波动性建模的.pptVIP

§3 波动性建模;3 波动性建模;Box-Jenkins方法的介绍 Box-Jenkins方法也称ARIMA(自回归求积移动平均)模型，ARIMA属于线性模型，可以对平稳随机序列和非平稳随机序列进行描述，平稳模型通常用ARMA（自回归滑动平均）模型来描述。 在分析预测中，实际遇到的很多序列表现出非平稳的特性，整个变化过程并不具有固定的均值。然而这样的序列可能表现出某种相同的特征，即在允许水平有差异的前提下，这些序列的广义特征是相似的。 ; 考虑到序列 ，若其能通过 d 次差分后变为平稳序列，即 ，则 ， 为平稳序列，即 ，于是可建立 模型: 经 d 阶差分后的 模型称为 模型，其中 p 为自回归模型的阶数，q 为移动平均的阶数， 为一个白噪声过程。 因此，ARIMA模型中使用了自回归项（AR）、单整项、移动平均项（MA）三种形式对扰动项进行??模分析，使模型同时综合考虑了预测变量的过去值，当前值和误差值，从而有效地提高了模型的预测精度. ;本章要实现的三个目标;3.1定式化的经济时间序列;一、大多数这类序列包含明显的趋势;由图3.1和图3.2可以看到，实际GDP和消费都呈现出明显的上升趋势，虽然构成GDP的其它成分也有上升的趋势，但实际投资和实际政府支出的波动性大于实际GDP和消费的波动性。;二、对序列的冲击都呈现出较大程度的持续性;三、许多序列的波动并不会一直持续;四、有些序列看起来散漫无序;五、有些序列和其他序列同方向协同变动;一方面，联邦基金利率美国政府债券10年期的收益率（图3.3）都没有呈现出任何回复到长期均值的趋势，但很明显，这两个序列从未相隔很远。此外，对联邦基金利率的巨大冲击似乎在时间上与美国政府债券10年期收益率相似。另一方面，实际GDP水平的指数（图3.6）是否也有同样的趋势尚不清楚，尽管三个GDP序列的走势似乎都经历了几次衰退和膨胀，但是，我们还不知道趋势增长率之间的差异在统计上是否显著。;小结;3.2 ARCH过程; 预测的一种方法是引用一个独立变量来估计波动性。先考察最简单的情况， 其中： 表示利率变量； 表示方差为 的白噪音干扰项； 表示在t期观察到的独立变量。 若 ，那么序列 就是我们所熟悉的方差恒定的白噪音过程。但是，如果序列 的观察值不完全相等，则基于观察值 的 的条件方差为 这里 的条件方差取决于 的观测值。 的引入就可以解释序列 阶段性波动。; 实际应用中，一般都修改这个基本模型，引入系数 和 。并估计其对数形式的回归方程 其中 这样变成了线性回归方程，我们可以用OLS直接估计回归系数。这种方法的难点在于要为变化的方差找一个具体的起因，这种方法还使得 会影响到 的均值。此外，这种方法需要对数据做变换，使得变换后的数据有恒定的方差，但如果这种假设不成立，那么就需要对数据进行其他变化，如随后讲到的ARCH和GARCH过程。 ;谢谢大家！