随机时序分析的基础 计量经济学 EVIEWS建模课件.pptxVIP

随机时序的分析基础一、 随机过程的特征描述二、 随机过程的常见分布三、 经济时序的特征分析四、 经济时序的基础运算及假设一、随机过程的基本特性㈠ 随机过程的分布族由于随机过程 Stochastic Process 是指一系列的同类随机变量按照时间的顺序排列而形成的一个过程。即在每个时期或时点上我们所观察的现象是一个随机变量，都会存在一个概率分布，这样各时间的概率分布就构成了一个分布族。对于一个随机变量的完整刻画，就需要一个由分布族构成的联合概率分布。设F(Yt)为第t期随机变量的概率分布，则由T期构成的随机过程的联合概率分布可表述为：F1,2,…,T(Y1,Y2,…,YT)㈡ 随机过程的数字特征由于随机过程的联合概率分布很难获得，所以人们常从时间序列的特征值入手，来观察其分布特征。⒈ 均值函数(Mean Function)设{Yt}是一个随机过程，对于任一给定的t∈T,则Yt是一个随机变量，其数学期望记为?t=E(Yt)，则有：?t =∑YtiPti或μt=∫YtidF(Yt)可见在不同的时间点上，序列的均值是可以不同的，即当t在T上变动时，?t 是t的函数，所以称?t为随机过程或随机时序{Yt}在t∈T上的均值函数。⒉自协方差函数(Auto covariance Function)对于固定的t、s∈T，Yt、Ys是两个时期的随机变量，其协方差简记为?ts，则： ?ts = cov(Yt,Ys) = E{[Yt－E(Yt)][Ys－E(Ys)]}=∫∫(Yt-μt)(Yt-μs)dFt,s(Yt,Ys) 当t在T上变动时，?ts是t和s的二元函数，我们称?ts为随机时序{Yt}在t、s∈T上的自协方差函数。它是一个二元对称函数，即?ts =?st。当t=s时，?tt=?2t，t∈T，这时称?2t为随机时序{Yt}的方差函数。自协方差函数用矩阵表示为：这是一个对称非负定矩阵，即ΘmT＝Θm，且对任意的m维实值矢量ξ=(ξ1,ξ2,…ξm)T，均有：ξTΘmξ≥0当平稳时序期望值为零、t-s＝k时，自协方差函数将是：?t,s=?t-s,0=?2t-s=?2k=E[(Yt-μt)(Yt-k-μt-k)]=E(YtYt-k)⒊自相关函数ACF(Autocorrelation Function)当t、s在T上变动时，即t、s∈T，ACFt,s也是t和s的二元对称函数，称为随机时序{Yt}的自相关函数。用它来反映{Yt}在不同时刻t和s的随机变量Yt和Ys之间的线性相关性。对于任意的t、s∈T，有：⑴|ACFts|≤1，ACF是?ts的归一化指标；⑵对称性，即ACFk=ACF-k；⑶非负定性，即ACF可以是负相关，但ACF的矩阵为非负定对称阵。㈢ 时间序列的平稳性平稳时序也叫稳定过程(stationary process)，是指时间序列的一般水平稳定的情况或状态。稳定过程据其观察的角度不同有如下几种：⒈严平稳时间序列设{Yt}是一个随机时序，若其任意有穷维分布对任意整数m和k具有性质：F(Yt1,Yt2，…,Ytm) = F(Yt1+k,Yt2+k，…,Ytm+k)则称该时序为严格平稳的，或称强平稳的。强平稳意味着随机过程所有存在的矩都不随时间的变化而变化。强平稳的条件是非常严格的，而且对于一个随机过程，上述联合分布函数不便于分析和使用，因此希望给出不象强平稳那样严格的条件。若放松条件，则可以只要求分布的主要参数相同。如只要求从一阶到某阶的矩函数相同。这就引出了宽平稳概念。⒉宽平稳时间序列设随机时序{Yt,t∈T}，对于任意整数t,s,k∞，如果该过程满足:第一，均值函数恒为常数，即E(Yt) = μ；第二，?ts只与t-s的长度有关，而与t、s的具体位置无关，则有自协方差函数：?ts＝σ2t-s＝σ2k其中k=t-s是t与s相距的长度，这时我们称{Yt}为宽平稳时间序列。由上述定义可以看出，平稳序列中的随机变量Yt的均值E(Yt)，方差var(Yt)＝E(Yt-μ)2都是与时刻t无关的常数。这样，对任何s、t、k∈Z，两随机变量(Yt,Ys)与平移 k 步后的(Yt+k,Ys+k)有相同的协方差σ2k。即：Cov(Yt , Ys)=Cov(Yt+k , Ys+k)＝σ2s-t＝σ2k 协方差结构的平移不变性是宽平稳序列的主要特性。为此又称平稳序列是二阶矩平稳序列，简称为二阶距过程。⒊平稳时序的分析约定第一，因平稳时序的均值为常数，为了分析的方便，一般我们假定平稳时序的均值为零，即E(Yt)=0；第二，当σ20＝0时，这个平稳序列中的样本观测值都等于常数μ，对于这样的时间序列没有进一步分析的必要。为了表述的方便，我们以后总认为所有平稳序列的方差σ20＝Var(Yt) 0；第三，平稳时间序列的自协方差函数是对称的、非负定的、有界的，也叫做