计量经济学ch5.pdf

Chapter 5 单变量(Univariate) 时间序列的建模和 预测 ‘Financial Econometrics’ by Dr Jin Hongfei 1 单变量时间序列建模 • 我们用因变量的过去值和误差项的当前及过去值所提供的信 息来预测收益． 一些概念和定义 • 随机过程（Stochastic Processes）: 可以描述为“一个根据一定 的概率随时间变化的统计现象” ． • 数学上，随机过程可以定义为按时间排列的随机变量，可以 定义为离散的或者是连续的时间点的集合． ‘Financial Econometrics’ by Dr Jin Hongfei 2 单变量时间序列建模(cont’d) • 如果时间是连续的,用X(t)来定义t时刻的随机变量(通 常-∞t∞), 如果时间是离散的,用Xt 来表示(通常 t=…,-2,-1,0,1,2,…). • 严格平稳过程(A StrictlyStationary Process) 一个严格的平稳过程是指 P {y ≤ b ,...,y ≤ b } P {y ≤ b ,...,y ≤ b } t 1 t n t + m 1 t + m n 1 n 1 n 即序列{y } 的概率测度和 {y } 是一样的（m为任意整 t t+m 数）。 ‘Financial Econometrics’ by Dr Jin Hongfei 3 单变量时间序列模型(cont’d) • 弱平稳过程(A Weakly Stationary Process) 如果序列满足以下三个等式,我们说序列是弱平稳或是协 方差平稳的 1. E(y ) = μ , t = 1,2,...,∞ t 2. E (yt − μ )(yt − μ ) σ 2 = ∞ 3. E (y t1 − μ )(y t 2 − μ ) γ t 2 − t1 ∀ t1 , t2 ‘Financial Econometrics’ by Dr Jin Hongfei 4 单变量时间序列模型(cont’d) • 所以如果过程是协方差平稳的,所有的协方差相等,只依赖于t 和 t .之差,这 1 2 个时候 E (y − E (y ))(y − E (y )) γ , s = 0,1,2, ... t t t + s t + s s 称