多元时间序列分析及应用.ppt

本作品采用知识共享署名-非商业性使用 2.5 中国大陆许可协议进行许可。 专业交流 模板超市 设计服务 NordriDesign中国专业PowerPoint媒体设计与开发 本作品的提供是以适用知识共享组织的公共许可（ 简称“CCPL” 或 “许可”） 条款为前提的。本作品受著作权法以及其他相关法律的保护。对本作品的使用不得超越本许可授权的范围。 如您行使本许可授予的使用本作品的权利，就表明您接受并同意遵守本许可的条款。在您接受这些条款和规定的前提下，许可人授予您本许可所包括的权利。 查看全部… LOGO 框架 1、理论基础 2、向量自回归模型简介 3、向量自回归模型应用 弱平稳与交叉相关矩阵 考虑一个K维时间序列 如果它的一阶矩与二阶矩是不随时间变化的，则称序列 是弱平稳的。 特别的，弱平稳序列 的均值向量和协方差矩阵不随时间变化。除了明确地说明为相反的情况，我们都假定金融资产的收益序列是弱平稳的。 对一个弱平稳时间序列 ，我们定义它的均值向量和协方差矩阵为 这里的期望是对 的联合分布对每个分量取期望。均值 是由 的分量的无条件期望组成的 维向量。协方差矩阵 是 矩阵。 的第 个对角线上的元素是 的方差，而 的第 个元素是 与 的协方差。需要时我们记为 交叉相关矩阵（CCM） 令D表示由 的标准差构成的 对角矩阵。换句话说 的同步或延迟为0的交叉相关矩阵定义为 更具体地， 的第 个元素为 它是 与 间的相关系数。 在时间序列分析中，这样的一个相关系数称为一个同时或同步相关系数，因为它是两个序列在同一时刻t的相关性。很容易看出 且 这样， 是具有单位对角元素的对称矩阵。 多元时间序列分析中的一个重要的主题是分量序列之间的引导-延迟关系（lead-lag）.为此，用交叉相关矩阵来衡量时间序列之间线形依赖的强度。 的延迟 的交叉协方差矩阵定义为 其中 是 的均值向量。因此， 是 的函数，而不是时间指数 的函数。 的延迟 的交叉相关矩阵（CCM）定义为 同前面一样，D是由单个序列 的标准差构成对角矩阵。由定义 是 与 的相关系数 当 〉0时，此相关系数衡量了 对发生在 时刻以前的 的线性依赖。因此，如果 且 〉0，我们就说序列 在延迟 处引导着序列 。类似的， 衡量了 对 的线性依赖，并且如果 且 〉0，我们就说 在延迟 处引导着序列 。方程（8.4） 还表明对角元素 仅仅为 的延迟 的自相关系数。 交叉相关矩阵的性质 1、对 有 。因为这两个相关系数衡量的是 与 之间的不同的线性关系。因此 与 一般是不对称的。 2、由 以及弱平稳性假定 我们有 因为 为矩阵 的第 个元素，且这个等式对 成立。所以，我们有 因此，与一元情形不同，对一般的向量时间序列来说，当 时， 。因为 ，所以在实际中，只考虑 时