平稳时序基本的 模型的记忆特征 计量经济学 EVIEWS建模课件.pptxVIP

时序的记忆特征分析;一、各类系统的平稳性分析;例如：有一个AR(2)系统过程，其模型为； Yt＝1.5Yt-1-0.5Yt-2+εt 这是一个非平稳过程，因为： 第一，Yt-1的系数为1.5≮1； 第二，1+0.5L-1.5L2=0的根为： L1=-1；L2=-0.66667 即根的绝对值都不大于1，所以该系统不平稳。 再如：MA⑴过程为：Yt=0.8εt-1+εt是一个可逆的过程，即Yt=(1+0.8L)εt是一个平稳过程。因为： ⑴0.8＜1；⑵(1+0.8L)=0的根是L=-1.25,即绝对值在单位圆之外；所以过程平稳。;二、各系统的自相关函数;⒈自协方差函数(Auto covariance function) 设σ2k为自协方差函数，yt＝Yt－E(Yt)为Yt的离差，则有： 式中：n为时间长度；k=0,1,2,…n-1是相关各时期的间隔；所以根据k的情况说明有n种可能的自协方差计算结果。;⒉对于Ar(p) 可以 证明上式: 的通解是： ACFk＝A1G1k+A2G2k+…+ApGpk 其中Ai，i＝1,2,…,p为待定常数；Gik，i＝1,2,…,p是特征方程的根。当|Gi|1时，AR(p)过程才能平稳。这时会遇到如下几种情况： 第一，当G为实数时，AiGik将随着k的增加而几何衰减至零，即指标衰减分布如下图所示：; 第二，当G为复数时，将是两个共轭的复数根，A1G1k将随着k的增加而按正弦呈振荡形式衰减，如下图所示： 第三，现实中平稳的AR(p)的自相关函数往往是由指数衰减和正弦振荡衰减两部分混合而成。 第四，当两个以上的根接近于1时，自相关函数ACF衰减很慢；当只有一个根接近于1时，ACF也将下降缓慢，但近似线性衰减；当根越远离1时，ACF将越快的衰减至零。;㈣平稳的MA过程的自相关分析;⒉ MA(q) 过程的自相关函数 因MA(q)过程的形式为： Yt=μ+∑ωjεt-j 可以推导出其计算公式如下： ACFk＝ 当k ? q 时，ACFk = 0，说明ACFk , k = 0, 1, … 具有q阶截尾特征。;⑴当p=q=1时，自相关函数ACFk 从ACF1开始指数衰减。ACF1的大小取决于α1和ω1, ACF1的符号取决于 (α1 - ω1 )。 若α1 0，指数衰减是平滑的，或正或负。 若α1 0，相关函数为正负交替式指数衰减。 ⑵当p, q≥2时，ARMA (p, q) 过程的自相关函数是指数衰减或正弦衰减的。;三、偏自相关函数;偏相关系数计算的具体步骤如下： ??先，求Xt对Zt的回归估计式：Xt =a0+a1Zt +eXt。计算残差eXt以得到不再含有Zt对Xt影响的数据。 其次，求Yt对Zt的回归估计式：Yt=b0+b1 Zt+eYt。计算残差eYt以得到不再含有Zt对Yt影响的数据。 然后，计算eXt与eYt的简单相关系数就是Xt与Yt在剔除Zt的影响后的偏相关系数。;㈡ 时序偏自相关函数的特点;首先，对各期回归关系的确定： 要剔除其他各期的影响，就要先求得两端与各期关系的回归方程，即： Yt＝a1Yt+1+a2Yt+2+…+ ak-1Yt+k-1+et Yt+k＝a1Yt+k-1+ a2Yt+k-2+…+ ak-1Yt+1+et+k 为了取得其一般形式，且因使用全部的t=1～n项数据，所以在偏相关分析时只能取2～n-k项数据为基础；在k=2,3,…,n-t的范围内，并进一步假设时序是平稳的零期望时，则估计的最优化条件是： E(et+k)2=E(Yt+k-∑ajYt+k-j)2（j=1,2,…,k-1）→ min 对其求解的正规方程组分析如下：;因正规化方程组是由k-1个方程组成的，所以对每个方程的编号可以使用i=1～k-1表示，将Yt+k-i变量乘以各方程的两侧，并取期望，则可以得到正规方程的一般形式如下： E(Yt+k-i Yt+k)＝E[ Yt+k-i(a1Yt+k-1+a2Yt+k-2+…+ak-1Yt+1+et+k)] 将上式以自协方差形式表示就是： σ2i＝a1σ2i-1+a2σ2i-2+…+ak-1σ2i-k+1+0（i=1,2,…,k-1） 中的i代表第i个正规化方程，所以有： σ21＝a1σ20+a2σ21+…+ak-1σ2k-2 σ22＝a1σ21+a2σ20 +…+ak-1σ2k-3 .………… σ2k-1＝a1σ2k-2+a2σ2k-3+…+ak-1σ20;将上述方程组中的各项都除以σ20，则得到以自相关形式表示的各方程，并以r表