第6章⑵随机时间序列模型.pdf

第二节 随机时间序列分析模型 一、时间序列模型的基本概念及其适用性 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四四、、随机时间序列模型的估计随机时间序列模型的估计 五五、、随机时间序列模型的检验随机时间序列模型的检验 • 经典计量经济学模型与时间序列模型 • 确定性时间序列模型与随机性时间序列 模型模型 一、时间序列模型的基本概念及其适用性 1、时间序列模型的基本概念 随机时间序列模型（time series modeling ）是指仅用它的 过去值及随机扰动项所建立起来的模型过去值及随机扰动项所建立起来的模型，其其一般形式为般形式为 X =F(X , X , …, ) t t-1 t-2 t 建立具体的时间序列模型建立具体的时间序列模型，需解决如下三个问题需解决如下三个问题： (1)模型的具体形式 (2)时序变量的滞后期时序变量的滞后期 (3)随机扰动项的结构 例如，取线性方程、一期滞后以及白噪声随机扰动项（ t =），模型将是一个1阶自回归过程AR(1) ： t X =X +  t t-1 t 这里， 特指一白噪声。 t 一般的般的pp阶自回归过程阶自回归过程AR(p)(p)是是 X =X + X + … + X + t (*) t 1 t-1 2 t-2 p t-p (1)如果随机扰动项是如果随机扰动项是一个白噪声个白噪声(=) ，则称则称(*) t t 式为一纯AR(p)过程（pure AR(p) process ），记为 X =X + X + … + X + t 1 t-1 2 t-2 p t-p t (2)如果如果不是不是一个白噪声个白噪声，通常认为它是通常认为它是一个个q t 阶的移动平均（moving average ）过程MA(q) ： = -  -  - -  t t 1 t-1 2 t-2 q t-q 该式给出了该式给出了一个个纯纯MA(q) 过程过程 （（pure MA(p) process ）。 将纯将纯AR(p)AR(p)与纯与纯MA(q)MA(q)结合结合，得到得到一个个一般的般的 自回归移动自回归移动 平均（autoregressive moving average ）过程ARMA （p,q ）： X =X + X + … + X +  -  -  - -  t 1 t-1 2 t-2 p t-p t 1 t-1 2 t-2 q t-q 该式表明该式表明： （1）一个随机时间序列可以通过一个自回归移动平均过 程生成程生成，即该序列可以由其自身的过去或滞后值以及随即该序列可以由其自身的过去或滞后值以及随 机扰动项来解释。 （2 ）如果该序序列是平稳稳的，即它它的行为并不会随着会随着时间 的推移而变化，那么我们就可以通过该序列过去的行为 来预测未来来预测未来。 这也正是随机时间序列分析模型的优势所在。 22、、时间序列分析模型的适用性时间序列分析模型的适用性 • 经典回归模型的问题经典回归模型的问题：： • 迄今为止，对一个时间序列Xt 的变动进行解释或预测， 是通过