[理学]平稳性和非平稳时间序列分析.pptVIP

非平稳时间序列时序图 平稳时间序列 一个时间序列的样本自相关系数（自相关函数）定义为： 纯随机性检验 回归分析 regression analysis 研究一个随机变量Y对另一个(X)或一组(X1，X2，…，Xk)变量的相依关系的统计分析方法。 相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。 回归分析则确定其因果关系，用数学模型来表现其具体关系。 相关分析 “质量”和“用户满意度”变量密切相关， 到底是哪个变量受哪个变量的影响，影响程度如何，回归分析。 自回归模型autoregressive model 利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型。 为了检验该序列是否具有相同的方差，可假设Xt的初值为X0，则易知 X1=X0+?1 X2=X1+?2=X0+?1+?2 … … Xt=X0+?1+?2+…+?t 由于X0为常数，?t是一个白噪声，因此Var(Xt)=t?2 即Xt的方差与时间t有关而非常数，它是一非平稳序列。 随机游走模型。 它最早于1905年7月由卡尔·皮尔逊(Karl Pearson)在《自然》杂志上作为一个问题提出： 假如有一个醉汉醉得非常严重，完全丧失方向感，把他放在荒郊野外，一段时间之后再去找他，在什么地方找到他的概率最大呢？ 1905年8月，雷利爵士(Lord Rayleigh)对卡尔·皮尔逊的这个问题作出了解答。他算出这个醉汉n步后离初始点的距离为L的概率 且n很大时，该醉汉离初始点的距离服从零均值正态分布。这意味着，假如有人想去寻找醉汉的话，最好是去初始点附近找他，该地点是醉汉未来位置的无偏估计值。 随机游走模型广泛应用于计量经济学领域。传统经济学家普遍认为投机价格的走势类似于随机游走模型，随机游走模型也是有效市场理论的核心,奠定了经典金融经济学近50年的繁荣。 随机游走过程 偏相关函数 AR模型的偏相关函数 ARMA模型的偏相关函数 AR模型的偏相关函数 平稳条件： 自回归特征方程的特征根是在单位圆外 特征根检验 第三节. ARMA模型的特征统计量 AR模型的特征统计量 MA模型的特征统计量 ARMA模型的特征统计量 AR模型 3.1 AR模型的特征统计量 。 AR模型的期望 3.1 AR模型的特征统计量 AR模型的自相关函数 3.1 AR模型的特征统计量 AR模型的自相关函数 Yule-Walker方程 3.1 AR模型的特征统计量 3.1 AR模型的特征统计量 3.1 AR模型的特征统计量 3.1 AR模型的特征统计量 AR模型扰动的方差与自相关函数的关系 3.1 AR模型的特征统计量 MA模型的自相关函数 随机干扰序列 为零均值的白噪声序列 根据平稳时间序列均值为常数的性质，有 . 3.2 MA模型的特征统计量 MA模型的自相关函数 MA模型的自相关函数 Kq时，自相关函数为零，q步截尾性 截尾处的k值就是MA模型的阶数 MA模型的可逆性 MA模型的可逆性 MA模型可表示成收敛的AR模型形式 在股票随机游走模型中，收益率序列是白噪声。致命错误: 认为一种金融资产收益率的方差是不随时间改变的， 由此也决定了定价理论与现实市场之间的偏差。 曼德尔布罗特发现收益率的分布是尖峰胖尾的，呈现长期相关性。据此提出了股票价格的“诺亚效应” 和“约瑟效应” 。 “诺亚效应”是指股票价格偶尔会发生不连续、突发性的大跳跃，并且在一个大跳跃后面常跟着一个大跳跃，在一个小跳跃后面常跟着一个小跳跃，金融学中的波动集群现象。 “约瑟效应”是指股票价格存在长期持续与非周期的循环现象。像圣经里约瑟故事中粮食生产一样，七年丰收，跟着七年饥馑。这导致收益存在长期相关性。 曼德尔布罗特的工作启发了两类时间序列分析方法的发展。其中之一，是恩格尔的ARCH(自动递减条件下的异方差性)模型 ARCH模型的基本思想:某一时刻噪声是服从正态分布。其均值为零，方差是随时间变化的量，是过去有限项噪声值平方的线性组合(即为自回归)。 可以看出，由于现在时刻噪声的方差是过去有限项噪声值平方的回归，也就是说噪声的波动具有一定的记忆性。如果在以前时刻噪声的方差变大，那么此刻噪声的方差往往也跟着变大。 翻译到金融市场:如果前一阶段资产价格波动变大，那么在此刻市场资产价格波动也往往较大，反之亦然。这就是ARCH模型具有的波动集群特性。 ARCH模型族比较准确地刻画了金融市场风险的变化过程。因此受到金融界的欢迎。 ２００３年诺贝尔经济学奖授予美国经济学家罗伯特?恩格尔 随机游走过程 2010年17卷第二期《广西科学》 发表了广西科学院研究员严少敏和吴光的