时间序列分析第1章修.pptVIP

时间序列分析方法就其发展的历史阶段和使用的方法来看，有传统的确定性时间序列分析方法和现代的随机时间序列分析方法。 时间序列分析的主要方法可归纳如下： 确定性时间序列分析方法将时间序列看作主要是由长期趋势（T）、季节变动（S）、循环变动（C）和随机变动（I）综合作用的结果。 确定性时间序列分析就是设法消除随机型波动，拟合确定性趋势，因而形成了长期趋势分析、季节变动分析、循环变动测定等一系列确定性时间序列分析方法。 确定型趋势虽然控制着时间序列的基本样式，但毕竟不是时间序列变动的全貌，另一方面，用随机理论来考察，许多偶然因素共同作用的随机型波动，其实也并非杂乱无章，而有一定的规律性，人们根据随机理论对随机时间序列进行分析，就叫随机时间分析。 随机时间序列分析方法与传统的确定性时间序列分析方法相比，具有独特的优点。 虽然，确定型时间序列分析方法不反映时间序列的随机性质，也无法达到随机序列模型所能达到的预测精度，但它仍是一个简单和相当可接受的预测手段，许多确定型时间序列分析方法一直是经济预测的标准工具。因此随机型时间序列分析不能完全取代确定型时间序列分析。 （二）时间序列分析方法与其它统计分析方法（回归分析）的主要区别 1.时间序列分析方法明确强调变量值顺序的重要性，而其它统计分析方法则不必如此。 2 .时间序列各观察值之间存在一定的依存关系，而其它统计分析一般要求每一变量各自独立 3 .时间序列分析根据序列自身的变化规律来预测未来，而其它统计分析则根据某一变量与其它变量间的因果关系来预测该变量的未来。 4 .时间序列是一组随机变量的一次样本实现，而其它统计分析的样本值一般是对同一随机变量进行N次独立重复实验的结果。 5.二者建模思路不同： 应用时间序列分析方法的重要性 与回归分析方法相比较，有时应用时间序列分析方法显得很有必要： 1 .很多情况下，很难或不可能用变量间的因果关系来说明某一变量的变化。 2 .即使能估计出一个有关变量的令人满意的回归方程，其结果也可能不能用于预测。 金融时间序列分析 研究金融过程的动态结构 探索金融变量之间的动态关系 对金融数据进行季节或其它形式的周期调整（如日内效应、周效应等） 通过对具有自相关关系的模型误差分析，改进用时间序列进行回归分析的模型 对均值或波动率进行点预测或区间预测 时间序列分析概论 计算机技术的进步极大地促进了时间序列分析的发展。 许多统计软件都可以用于时间序列分析工作。 常用软件Eviews。 第一章 时间序列分析概论 第二章 时间序列分析基本概念 第三章 线性平稳时间序列分析 第四章 非平稳序列和季节序列模型 第五章 时间序列模型的识别 第六章 时间序列模型参数的统计推断(略讲) 第七章 平稳时间序列模型预测 第八章 非平稳和季节时间序列模型分析 第九章 非线性时间序列模型 第十章 多元时间序列分析（现代方法） 第十一章 超高频数据的建模与分析（现代方法） 本课内容安排 主要参考书目： [1] 詹姆斯 D．汉密尔顿 ，1999：《时间序列分析》，中国社会科学出版社。 [2]王燕，2005：《应用时间序列分析》，中国人民大学出版社。 [3]何书元，2003：《应用时间序列分析》，北京大学出版社。 [4]陆懋祖，1999：《高等时间序列经济计量学》，上海人民出版社。 时间序列分析概论 引言 大量自然界、社会经济等领域的统计指标都依年、季、月或日统计其指标值，随着时间的推移，形成了统计指标的时间序列。 因此，时间序列是某一统计指标长期变动的数量表现。时间序列分析就是估算和研究某一时间序列在长期变动过程中所存在的统计规律性。 一、时间序列的含义 1.从经济统计的角度讲：时间序列是某一个指标在不同的时间上的不同数值按时间先后顺序排成的序列。 从这个定义可看出时间序列由两个要素构成：一个是指标数值，一个是时间。 在实际中，我们遇到许多数据如GDP，失业人数统计，股票价格指数等都呈时间序列的形式。 我国近三年上证指数（2004年5月17日-2007年5月16日） 我国1978~2006年居民消费价格定基指数 我国1978~2006年GDP（当年价格） 2.从概率统计意义上讲：时间序列是一组随机变量X(t)在一系列时刻t1,t2,t3 , ……. , tN(t1t2……tN)的一次样本实现xt1,xt2,……xtN. 从这个定义可看出，时间序列与通常统计分析不同，通常统计分析中总是对一个随机变量独立地观察多次，得到这个随机变量的多个实现，然后再去分析和研究。 3.从系统意义上讲：时间序列是某一系统在不同时间（条件）下的响应。 这个定义强调了时间序列中顺序的重要性，并且，这个顺序