金融时间序列分复习资料.docVIP

一、单项选择题（每题2分，共20分） P61关于严平稳与（宽）平稳的关系 弱平稳的定义：对于随机时间序列yt，如果其期望值、方差以及均不时间t的变化而变化，则称yt弱平稳随机变量，即yt必须满足以下条件： 所有时间t，有 μ为不变的； Var（）σ2为不变的常数； =E[yt-μ][yt-j-μ]，j=0，±1，,2，… （j为相隔的阶数 （μ=0，cov（t，yt-j）0，Var（）σ2时为白噪音过程，常用的平稳过程。以上定义可以看到，凡是弱平稳变量，都会有一个恒定不变的均值和方差，并且自协方差只与ytyt-j之间的之后期数有关，而与时间t没有任何关系。 平稳过程的定义：如果对于任何j1j2，...,jk,随机变量的集合t，yt+j1,，yt+j2，…，yt+jk）只依赖于不同期之间的间隔距离（1，j2，…，jk）而不依赖于时间t，那么这样的集合称为严格平稳过程或简称为严平稳过程的随机变量称为严平稳随机变量。 P46 的阶差分是；△ｋXt=△ ｋ-1Xt-△ ｋ-1Xt-1，△ 表示。P54对于AR： Lpyt=yt-p，对于MA：Lｐεt=εt-ｐ AR（p）模型即自回归部分的特征根—平稳性；确定好差分方程的阶数，其特征方程为：λ-α1λp-1-α2λp-2-…-αp=0，若所有的特征根的│1则平稳 逆特征方程为：-α2ｚ2-…-αpｚp=0，若所有的特征│1，则平稳注意特征根和逆特征方程的根互为。： yt=1.2yt-1-0.2yt-2+εt，为二阶差分，其特征方程为：λ2-1.2λ+0.2=0解得λ1=1λ2=0.2，由于λ1=1，所以不平稳。q)模型，则移动平均部分的特征根----可逆性；p88 所谓可逆性，就是指将转化成对应的 MA可逆的条件是其逆特征方程根全部落在单位圆外， 即+θ2ｚ2+…+θpｚp=0，│ｚ│1， 此题q为特征方程为：2=0， 解得：= 关于AR（p）模型与MA（q）的拖尾与截尾---建模观察相关图所示： ，qq期截尾P期后截尾 若一序列满足ARIMA( p, d, q)模型(d 0) , 则此序列平稳吗？ 答：平稳，因为( p, d, q)模型表表示经过d次差分后的序列，其必定是平稳时间序列。：平稳时间序列的特征方程的单位根的绝对值都小于逆特征方程的根的绝对值都大于。 μ为不变的； Var（）σ2为不变的常数； =E[yt-μ][yt-j-μ]，j=0，±1，,2，… （j为相隔的阶数 ARMA 所对应的AR特征方程为？其MA逆 对于自回归移动平均过程RMA（p，）：yt=c+α1 yt-1 +α2 yt-2+…+αp yt-p+εt+θ1εt+θ2εt-2+…+θqεt-q其对应的特征方程为λp-α1λp-1-α2λp-2-…-αp=0，MA的逆特征方程为+θ2ｚ2+…+θpｚp=0 已知AR（1）模型为：，则= 20/3 ,偏自相关系数= 0.7 。 设{为一时间序列，B为延迟算子，则yt-2 。 如果观察序列的时序图平稳，并且该序列的自相关图拖尾，偏相关图1阶截尾，则选用什么ARMA模型来拟合该序列？ ARMA模型包括： 由此表可知，qq期截尾P期后截尾选用来拟合该序列， 条件异方差模型记号: ARCH(p), GARCH(p，q),GARCH-in-Mean,TGARCH,EGARCH,PGARCH,CGARCH, 三、计算题（ 共4小题，每小题5分，共20分） P57 运用滞后算子得出其逆特征方程 -α2ｚ2-…-αpｚp=0。或用特征方程：：λ-α1λp-1-α2λp-2-…-αp=0 例p57（1）.yt=1.2yt-1-0.2yt-2+εt， 为二阶差分，其特征方程为：λ2-1.2λ+0.2=0解得λ1=1λ2=0.2，由于λ1=1，所以不平稳。一阶单整。 关于上面答案的var表示方差，白噪音为均值为零、相关系数 （t，yt-j）0也为零，又所以以上结果 注意方差的运算及性质 1．设C为常数，则D(C) = 0（常数无波动）； 2．D(CX)=C2?D(X) （常数平方提取）； 独立时，D(±Y)=D(X)+D(Y) 4.当X与Y不独立时，D(±Y)=D(X)+D(Y)+cov（） 对于自回归移动平均过程RMA（p，）： yt=c+α1 yt-1 +α2 yt-2+…+αp yt-p+εt+θ1εt+θ2εt-2+…+θqεt-q其对应的特征方程为λp-α1λp-1-α2λp-2-…-αp=0，MA的逆特征方程为+θ2ｚ2+…+θpｚp=0。 因为ARMA模型中平稳，所以则，即特征的根都零2008=6+Y2007-0.4Y2006=806（万美元2009=6+Y2008-0.4Y2007=332（万美元 考虑MA（2）模型 y