非平稳时序 计量经济学 EVIEWS建模教材.pptx

非平稳时序介绍非平稳过程是指具有增长趋势的时序过程，它在现实中广泛存在，却不符合传统计量经济方法的应用假设。为此，我们必须对非平稳时序的特性进行系统的认识和研究。具体内容如下：一、时序数据的非平稳问题二、对时序趋势的观察与基础分类三、随机过程构成因素分析四、非平稳时序的基本特征一、时序数据的非平稳问题㈠平稳与非平稳特点由平稳时序的定义，Yt是平稳的要满足：E(Yt2)∞；E(Yt)=μ；E(Yt-μ)2=σ2；E(Yt-μ)(Ys-μ)=σts可知：⑴平稳过程在不同时刻的均值相等，围绕常数均值波动；而非平稳过程没有这种均值回复现象。⑵平稳过程方差有界，且是不随时间变化的常数，即在每一时刻对均值的偏离基本相同，波动的幅度基本相等；而非平稳过程则不具备这一特点。⑶平稳过程可转化为无限阶的MA过程，且各干扰项为白噪声过程，其长期预测趋于无条件均值limYt→∞＝μ；⑷平稳时序的预测误差的方差有界。⑸因为平稳的条件是∑ωj1，所以进入系统的干扰对系统的影响是随着时间的增加而逐渐衰减趋于0；非平稳过程的干扰对系统的作用往往是持久的、或非衰减等无规则的过程。符合上述五条特征的随机过程为平稳过程，反之，有不符之处的过程都是非平稳过程。 平稳时序的分布特性图示：㈡非平稳过程的研究意义不具有平稳性的过程就称之谓非平稳过程(non-stationary process)。一般说来，当环境及主要条件随时间变化时，就会产生非平稳过程。正因为如此，许多经济指标的时间序列数据并不具有稳定过程的特征。而非平稳过程生成的时间序列使传统的数理统计和计量经济学方法无能为力，特别是中心极限定理不再适用。㈠确定性趋势过程该模型是由确定性时间趋势β1t和平稳随机过程εt构成，设t为时间，则其数据生成系统为：Yt = β0 +β1 t + εt在该系统中有很强的可以确定的时间趋势，我们称之为确定性趋势过程，如Yt = 0.1 t + εt 生成的序列图：确定性趋势过程中的趋势可以是线性的也可以是非线性的，如：Yt = β0 +β1t + εt；Yt = β0 +β1t + β2t2 + εt；Yt = β0 +β1t + β2t2 + β3t3 + εt等等。对于线性趋势模型而言，其均值是时间的线性函数，方差是固定的常数，具体形式如下：E(Yt)=β0+β1tVar(Yt)=E(Yt-β0-β1t)2=σ2由于确定性趋势过程剔除趋势后就是平稳随机过程，所以人们常将其归入到平稳过程之中，并称之为带趋势的平稳过程，简称为趋势平稳过程。㈡随机性趋势过程该模型认为时序的变动是由随机性的因素影响产生的，所以其趋势方向和数量都是随机性的。最基础的形式就是随机游走过程。⒈随机游走。随机游走一词首次出现于1905年自然(Nature)杂志Pearson K. 和 Rayleigh L.的随机游走问题。文中讨论寻找一个被放在野地中央的醉汉的最佳策略是从投放点开始搜索。【定义】随机变量Yt是一阶自回归AR⑴过程，且自回归系数α1＝1，常数项α0为零，则Yt=Yt-1+εt，就是随机游走过程，其中εt～iidN(0,?2)为白噪声。 ⒉随机游动过程的基本特性第一，该模型可以变形表述为：∵Yt = Yt-1+εt = Yt-2+εt-1+εt = Yt-3+εt-2+εt-1+εt ∴Yt = Y0+∑j=0→t-1?t-j ；→Yt＝ ∑j=0→??t-j可见，属于AR⑴的随机游走过程可以转化为无限阶的移动平均MA过程。这说明随机游走过程就是在初始水平的基础上，各期随机干扰作用所形成的总和。更说明随机游走具有较强的一期记忆性。第二，随机 游走过程的具体特征如下：①E(Yt)＝Y0+E(εt + εt-1 + εt-2 +…+εt-T) = Y0；当T→∞时，初始值为零，则有E(Yt) =0?。②Var(Yt)＝Var(ε1+ε2+…+εt)＝tσ2；当 T→∞ 时，t?2? ?；即方差却随t发散而趋向无穷大，所以它是一个非平稳过程。③σts＝E(Yt-Y0)(Ys-Y0)＝(t-s)σ2④ACFk＝@SQR(σts/Var(Yt))＝@SQR((t-s)/t) Eviews中的平方根函数 ⒊随机游走与经济现实利用0~1之间随机数据模拟的该过程与现实的对比：三、随机过程的构成及因素分解㈠ Dickey-Fuller的模型构成在DF检验中，将全部数据模型分为如下三类：Yt = α1 Yt-1 + εt , Y0 = 0, εt ? iidN(0, ? 2) (A式)Yt = α0 + α1Yt-1 + εt , Y0 = 0, εt ? iidN(0, ? 2) (B式)Yt = α0 + ? t + ?1Yt-1 + εt , Y0