FINTS第第六章非平稳时间序列模型.ppt

  1. 1、本文档共63页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
FINTS第第六章非平稳时间序列模型ppt整理

金融时间序列模型 第六章:非平稳时间序列模型 金融时间序列模型 单位根检验 平稳过程和非平稳过程的特点 平稳随机过程的定义: 平稳随机过程的特点 (1)不同时刻,均值相同;围绕常数的长期均值波动,称为均值回复(Mean Reversion)。 (2)方差有界并且不随时间变化是常数。在每一时刻,对均值的偏离基本相同,波动程度大致相等。 (3)自相关函数收敛到0。样本自相关函数指数衰减。 (4)预测的特点,长期预测趋于均值。预测的方差有界。 趋势平稳随机过程(TS) Trend-Stationary Stochastic Process 例如: ut是平稳随机过程。该类模型认为趋势是确定性的,称为趋势平稳随机过程。 TS特点 以模型(1)为例: E(Yt)=?+?t Var(Yt)=E(Yt -?-?t)2=?2 均值是时间的函数,方差是常数。 把趋势平稳随机过程去掉趋势项,成为一个平稳随机过程 。 带随机趋势的非平稳随机过程 随机游动(random walk) Yt = Yt-1 +?t (1) 其中{?t }是白噪声过程 。 迭代上述模型,得到: Yt = y0 +?t +…+?1 性质 E(Yt)= y0 Var(Yt)=Var(?t +…+?1)=t?2 ■自协方差函数 预测 模型(1)在预测原点h的向前一步预测 不平稳随机过程的特点 (1)没有常数的均值函数,图形不表现出均值回复现象。 (2)方差不是常数,并且随着时间的增加趋于无穷。 (3)自相关函数不衰减,样本有限时,样本自相关函数衰减速度慢。 (4)预测的方差随步长的增加趋于无穷 。 带随机趋势的非平稳随机过程 带漂移的随机游动 Yt =?+ Yt-1 +?t 通过迭代得到 Yt = y0 +?t+?t +…+?1 因此带常数项的随机游动即有确定趋势又有随机趋势。 带随机趋势的非平稳随机过程 单位根过程(Unit Root Process) 或差分平稳过程(Difference Stationary) ? Yt =?+ut 其中{ ut }是平稳随机过程,称{Yt}是单位根过程,或差分平稳过程。 单位根过程又称一阶单整过程,记为I(1),平稳过程记为I(0)。类似,如果差分n-1次不平稳,差分n次平稳,则该过程为n阶单整,记为I(n)。 两种非平稳随机过程的区别 1.趋势平稳随机过程只有确定趋势;而单位根过程具有随机趋势,有时也有确定趋势。 2.趋势平稳随机过程去掉趋势项平稳,单位根过程差分后平稳。 3.趋势平稳随机过程方差是常数,均值是时间的函数;单位根过程方差是时间的函数。 单位根检验-DF检验 情况1:不含常数和趋势项 估计方程: ?Yt = ?Yt-1 +?t, ?t ~i.i.d.(0,?2) 假设检验:H0:?=0 即Yt = Yt-1 +?t 对立假设:H1: ?0 即Yt = ?Yt-1 +?t ?1 等价于进行下面的回归和检验: Yt = ?Yt-1 +?t H0: ?=1 H1: ?1 单位根检验-DF检验 情况2: 包括常数项 估计方程: ?Yt =?+ ?Yt-1 +?t H0:?=0 零假设成立时数据生成过程是Yt = Yt-1 +?t H1: ?0 拒绝零假设数据生成过程是Yt = ?+?Yt-1 +?t,其中?1 单位根检验-DF检验 情况3: 包括常数项和趋势项 估计方程: ?Yt =?+ ?t+?Yt-1 +?t H0: ?=0 假设成立时数据生成过程是Yt = ?+Yt-1 +?t H1: ?0 拒绝零假设数据生成过程是Yt =?+ ?t+?Yt-1 +?t 其中?1 单位根检验-DF检验 用OLS法估计出?和它的标准差 用下面的统计量来进行假设检验 不能拒绝零假设时,该统计量不服从通常的t分布。用蒙特卡罗法估计出临界值,临界值依赖于样本长度和估计的方程。 单位根检验-DF检验 判断方法:统计量值临界值,拒绝零假设。反之,不能拒绝零假设。 三种回归模型下临界值的关系: 带趋势项带常数项无 单位根检验-DF检验缺陷 1)数据生成过程未知,有可能包含滑动平均部分 2)可能包括不止一个滞后项,如果实际数据生成过程是AR(p)模型,估计出的?及其标准差是错误的 3)DF检验只考虑了一个单位根,AR(p)模型可以考虑多于一个单位根的情况。 4)很难判断何时包括常数项,何时包括时间趋势项。 如何选择回归模型 1)根据经济理论,需要检验过程是什么样的随机过程。 2)如果没有理论,根据数据特点,回归模型在零假设成立和不成立时,都可以概括数据特征。 例如利率,从图形看虽然有趋势,但是没有理论支持利率有趋势,所以如

文档评论(0)

zyzsaa + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档