第十章时间序列分析计量经济学,南开大学.pptxVIP

第一节 确定性时间序列模型 一、移动平均模型;三、二次移动平均模型 对经过一次移动平均产生的序列才进行移动平均，即：;五、二次指数平滑模型 在一次指数平滑模型的基础上再进行指数平滑计算，即构成二次指数平滑模型。同样可以构成三次指数平滑模型。;第二节 随机时间序列模型的特征 一、随机过程（stochastic process） 一个特定的变量在不同的时点或时期的观测值y1，y2，…，yT，称为一个时间序列。假设这些观测值是随机变量Y1， Y2， …， YT的实现，而随机变量Y1， Y2， …， YT是无穷随机变量序列Yt0， Yt0+1， …， Y1， Y2， …的一部分(其中t0可以是-?)。这个无穷随机变量序列Yt，t=?1，?2，…，??称为一个随机过程。 一个具有均值为零和相同有限方差的的独立随机变量序列et称为白噪声(white noise)。如果et服从正态分布，则称为高斯白噪声。 例如，一个一阶自回归过程： ，;二、自协方差函数和自相关函数 自协方差函数是描述时间序列随机型结构的重要工具。; 由于只有随机过程的样本，只能根据样本数据计算出样本自相关函数（Sample autocorrelation function) ：;三、平稳随机过程 并非所有随机过程的两个元素之间的协方差都只依赖于它们的时间间隔。我们把任意两个元素之间的协方差都只依赖于它们的时间间隔，且具有常数均值和有限方差的随机过程，称为平稳过程(stationary process)：;四、平稳性的检验 1、博克斯-皮尔斯（Box-Pierce)Q统计量 平稳过程的一个显著特征是自相关函数随时间间隔k的增大而衰减，因此，对时间序列的样本自相关函数是否显著地不为零，来检验序列的平稳性。;一、滞后算子 定义滞后算子(lag operator)L： LYt = Yt-1 其中Yt 和 Yt-1为随机过程中的元素，而 L2Yt = L[L(Yt)]= LYt-1= Yt-2 一般地，对任意正整数n，有LnYt = Yt-n， L0Yt = Yt;二、自回归模型（auto-regressive,AR） 1、AR模型 如果时间序列y1，y2，…，yT，的生成过程的形式为： ;2、AR模型的自协方差函数和自相关函数;二、移动平均模型（Moving Average, MA） 1、 MA（q)模型 如果时间序列yt为它的当期和前期的误差和随机项的线性函数，即 ;三、自回归移动平均模型（ARMA） 如果时间序列yt为它的当期和前期的误差和随机项，以及其前期值的线性函数，即 ;四、AR 模型的估计 1、已知阶数p的AR（p）模型的估计 如果样本为AR过程生成：; 把观测值写成矩阵形式：;2、AR（p）模型的阶数p的确定 对于给定的一组时间序列数据，识别AR过程阶数的一种方法，是估计递增阶k，并检验k阶AR过程中第k个系数θk的显著性。这个系数称为第k个偏自相关系数（partial autocorrelation coefficient），记为θkk。偏自项关系数计量了不能由AR(k-1)解释的yt和yt-k之间的相关程度。 偏自相关序列θkk（k=1,2,…）称为偏自相关函数（partial auto-correlation function）。;五、MA 模型的估计 1、阶的确定 MA过程的自相关函数为：;2、参数估计 可采用最大似然法估计参数。若MA(q)的样本均值为零，et服从正态分布，则可构造似然函数：;六、ARIMA 模型 1、ARMA与ARIMA ARMA(p,q)的阶的确定，仍可使用自相关和偏自相关函数。如果自相关函数小时很慢，则该过程可能是不平稳的。 对yt进行差分，如果差分后的序列是平稳的，则称yt为自回归单整移动平均过程（autoregressive integrated moving-average process）,用ARMA(p,1,q)表示。如果yt须经过d次差分后转变为平稳过程，则称ARIMA(p,d,q)。 在确定p，d，q后，即可对模型进行估计。 2、博克斯-詹金斯方法(Box-Jenkins Approach) 时间序列的博克斯-詹金斯方法是对于给定的彝族数据，寻求一个可适当表示数据生成过程的ARIMA模型的一种方法。该方法分三个阶段：识别、估计和诊断校验。 （1）识别。在估计自相关和偏自相关的基础上，对数据设定一个试验性的ARIMA模型。