第二讲 时间序列模型.pptVIP

第二讲　时间序列分析 主要内容架构 第一节 趋势模型及分析 第二节 季节模型 第三节 指数平滑 第二节 季节模型 第三节 指数平滑 缺省的指定是“(0 1 1)(0 1 1)”是指季节的IMA模型： L是滞后算子，这里季节差分是指 (1?Ls )yt = yt ? yt?s ，季度数据时s =4；月度数据时s =12。下面是一些例子： (1 0 1)(1 0 0) (0 1 1) (1 0 0) 注意在模型中总的AR、MA、和差分的系数不超过25；AR或MA参数的最大延迟为24；在ARIMA因子中的最大差分阶数不超过3。 · Select from file 选择 X12将从一个外部文件提供的说明集合中选择ARIMA模型。EViews将利用一个包含一系列缺省模型指定说明的文件（X12A.MDL）： (0 1 1)(0 1 1) * (0 1 2)(0 1 1) X (2 1 0)(0 1 1) X (0 2 2)(0 1 1) X (2 1 2)(0 1 1) 缺省说明用“*”表示，除最后一个外，中间的用“X”结尾。有2个选择： ·Select best 检验列表中的所有模型，选一个最小预测误差的模型，缺省是第一个模型。 ·Select by out-of-sample-fit 对模型的评价用外部样本误差，缺省是用内部样本预测误差。 (3) 回归因子选择（Regressors） 允许在ARIMA模型中指定一些外生回归因子，利用多选钮可选择常数项，或季节虚拟变量，事先定义的回归因子可以捕捉贸易日和节假日的影响。 三、贸易日和节假日影响 可以在进行季节调整和利用ARIMA模型得到用于季节调整的向前/向后预测值之前，先去掉确定性的影响（例如节假日和贸易日影响）。首先要选择（Ajustment Option）是否进行这项调整？，确定在那一个步骤里调整：在ARIMA步骤，还是X-11步骤？ · Trading Day Effects消除贸易日影响有2种选择，依赖于序列是流量序列还是存量序列（诸如存货）。对于流量序列还有2种选择，是对周工作日影响进行调整还是对仅对周日-周末影响进行调整。存量序列仅对月度序列进行调整，需给出被观测序列的月天数。 · Holiday effects 仅对流量序列做节假日调整。对每一个节日，必须提供一个数，是到这个节日之前影响的持续天数。 Easter 复活节 Labor 美国、加拿大的劳工节，九月第一个星期一 Thanksgiving 感恩节（在美国为11月第4个星期4；加拿大为10月第2个星期1） Christmas 圣诞节 注意这些节日只针对美国，不能应用于其他国家。 四、外部影响(Outlier Effects) 外部影响调整也是分别在ARIMA步骤和X11步骤中进行。然而，必须在X11步骤中作了贸易日/节日调整，才能在X11步骤中做外部调整，而且只能做附加的外部调整； 在ARIMA步骤中有4种外部调整： 附加的外部调整； 水平变换； 暂时的水平变化； 弯道影响。 五、诊断（Diagnostics） 这项选择提供了各种诊断： ① 季节因素的稳定性分析（Stability Analysis of Seasonals） · Sliding spans 移动间距 检验被调整序列在固定大小的移动样本上的变化； · Historical revisions 历史修正检验被调整序列增加一个新观测值，即增加一个样本时的变化。 ② 其他诊断（Other Diagnostics） 还可以选择显示各种诊断输出。 2. X11方法 X-11法是美国商务部标准的季节调整方法(乘法模型、加法模型)，乘法模型适用于序列可被分解为趋势项与季节项的乘积，加法模型适用于序列可被分解为趋势项与季节项的和。乘法模型只适用于序列值都为正的情形。 如果在季节调整对话框中选择X-11选项，调整后的序列及因子序列会被自动存入EViews工作文件中，在过程的结尾X-11简要的输出及错误信息也会在序列窗口中显示。