第一章 时间序列分析概论(1).pptVIP

* 时间序列分析早期的研究 频域（Frequency Domain）分析方法。所谓频域分析方法，也称为“频谱分析”或者“谱分析”方法，是着重研究时间序列的功率谱密度函数，对序列的频率分量进行统计分析和建模。 时域（Time Domain）分析方法。时域分析方法的基本思想是源于事件的发展通常都具有一定的惯性，这种惯性使用统计语言来描述即为序列之间的相关关系，而这种相关关系具有一定的统计性质，时域分析的重点就是寻找这种统计规律，并且拟合适当的数学模型来描述这种规律，进而利用这个拟合模型来预测序列未来的走势。 （一）时间序列分析方法的类型 根据时间序列，揭示相应系统的内在统计特性和发展规律的统计方法，就称时间序列分析。 时间序列分析的基本思想是根据系统的有限长度的运行记录，建立能比较精确地反映时间序列中所包含的动态依存关系的数学模型，并借以对系统的未来行为进行预测 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S-plus、Matlab、Gauss、TSP、Eviews和SAS软件。 * EViews 软件介绍 美国GMS公司1981年发行第1版的Micro?TSP的Windows版本，通常称为计量经济学软件包。 与SAS相比，Eviews操作灵活简便，可采用多种操作方式进行各种计量分析和统计分析，数据管理简单方便。Eviews的界面比较友好，使用简便。 * 任课教师：谢家泉 办公室： 2-608 办公电话时间序列分析 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。