金融时间序列讲义第五章.docVIP

动态模型、干预分析和异常点 目的与要求 动态模型 干预分析 传递函数模型 异常分析。 第一节 动态模型 1.1数学模型 记表示系统输入，表示系统的输出，若与之间满足如下关系： （5.1） 模型（5.1）也叫分布滞后模型，其中叫转移函数。为了使模型参数尽量少，可以表示为： 其中，是非负整数，叫做停滞时间。 2．常见的传递函数形式； 1) 2) 3) 4) 5) 例：图5.1 1.2 干预分析 在商业，经济和环境数据的分析时，确定已知某时间发生的财政政策改变对经济发展的影响，污染环境装置的安装对环境的影响程度，出口退税政策改变对出口的影响情况等都是十分有意思的。为了完成分析，我们必须正确考虑： 干预的动态特征 观察序列的动态结构 我们可以有效地考虑时间序列的加性结构 其中表示干预，表示噪声项。分析时干预的形式可以采用前面的转移函数形式。可以用ARIMA模型表示。当不止一个干扰发生时，可以把多个加总在一起，然后联合估计和检验。 第二节 传递函数模型 2.1 数学模型 记表示输出，表示干预，表示噪声项： 可以用传递函数函数表示，可以用ARIMA模型表示，因此，模型可以表示为： 2.2 传递函数的性质 我们假设传递函数可以简约表示为两个多项式比，即 可得到如下恒等式 令B的系数相等，则有 （5.2） （5.2）中最后一式即为差分方程 个脉冲响应权数为其提供了初值。差分方程的解适合于的所有。 由上可知，脉冲响应函数的构成为： * 前b个值为零，即； * 随后的个值形式不固定。如果则不出现这样的值； * 当时，的形式取决于阶差分方程，其个初值为。当时，初值为零。 2．3 互相关函数 设，为两列平稳时间序列 定义和之间的步互协方差为： ， 定义和之间的步互协方差为： ， 由于： 因此，只需要考虑，,的情形。 定义和之间的步互相关系数为： ， 其中 样本互相关函数 设，为两列观察到的时间序列数据。 定义和之间的步样本互协方差为： ， 定义和之间的步互相关系数为： ， 2.4 传递函数和互相关函数的关系 假设传递函数模型的形式为 则有 不失一般性，我们假设和都为0，两边同乘上，再取期望，得： 其中，我们有，。 所以 (5.3) 互相关函数和脉冲响应函数明显地受到输入序列的自相关的强度污染。但是，当输入序列是白噪声序列时，即时，那么(5.3)式就退化为 （5.4） 这样，脉冲响应函数就可以直接和互相关函数相比得到。 预白噪声化 对于广义传递函数模型 （5.5） 我们总是假定输入序列服从ARMA过程，即 其中是白噪声序列，则 我们通常称上式是对输入的变换作预白噪声化，用相同的预白噪声化变换输出序列，我们得到滤波后的输出序列 令 则（5.5）式所示的传递函数模型就成为 这样，就可以得到传递函数的脉冲响应权数 2.5 传递函数模型建模步骤 1）做序列图，观察序列间的相互关系及各自的特征； 2）预白噪声化输入序列； 3）对做相同的变换； 4）计算白噪声化后两变量之间样本互相关函数； 5）根据样本互相关函数确定转移函数形式； 6）加入噪声项，拟合完整的模型。 例1 我们考虑一个传递函数模型典型例子，即Box与Jenkins 1970年对Lydia Pinkham公司销售额和领先指标数据建立的传递函数模型。用表示领先指标，表示销售额，共有150对观测数据，一阶差分后变成为平稳序列，设，。 对建立一个ARMA模型，以产生