第五章 时间序列数据的平稳性检验.pdf

第五章 时间序列数据的平稳性检验 1 本章要点  平稳性的定义  平稳性的检验方法（ADF检验）  伪回归的定义  协整的定义及检验方法（AEG方法）  误差修正模型的含义及表示形式 2 第一节 随机过程和平稳性原理  一、随机过程  一般称依赖于参数时间t 的随机变量集合{yt }为随 机过程。  例如，假设样本观察值y ，y …,y 是来自无穷随 1 2 t 机变量序列…y-2, y-1,y0 ,y1 ,y2 …的一部分，则这 个无穷随机序列称为随机过程。 3  随机过程中有一特殊情况叫白噪音，其定义 如下：如果随机过程服从的分布不随时间改 变，且 E (y ) 0 （对所有t ） t var(y ) E (y 2 ) y 2 常数 （对所有t ） t t cov(y , y ) E (y * y ) 0 （t s ） t s t s 那么，这一随机过程称为白噪声。 4  二、平稳性原理  如果一个随机过程的均值和方差在时间过程上都 是常数，并且在任何两时期的协方差值仅依赖于 该两时期间的距离或滞后，而不依赖于计算这个 协方差的实际时间，就称它为平稳的。 5  平稳随机过程的性质：  均值 E (y )  （对所有t ） t var(y ) E (y )2 2  方差 t t （对所有t ）  协方差 （对所有t ）  E [(y )(y )] k t t k  y  其中 即滞后k的协方差[或自(身)协方差]， 是 k t 和y t k ，也就是相隔k期的两值之间的协方差。 6  三、伪回归现象  将一个随机游走变量（即非平稳数据）对另一个 随机游走变量进行回归可能导致荒谬的结果，传 统的显