第四章节时间序列分析解析初步(计量经济学-社科院,张涛)资料.ppt

第四讲 时间序列分析初步 时间序列分析概述 随机时间序列分析模型 时间序列概述 广义时间序列分析模型分类： 确定性时间序列分析模型: 滑动平均模型 加权滑动平均模型 二次滑动平均模型 指数平滑模型 随机模型 AR、MA、ARMA、ARIMA 时间序列分析模型 伯克斯—詹金斯（Box-Jenkins）1970年提出了时间序列分析方法。 随机时间序列分析模型是一种有效地短期预测方法，这种方法对经济理论知识的要求不高，只需要变量的历史数据，因而模型的制定和数据的收集很简单。这种单变量的随机时间序列所构成的模型又称为随机过程模型，通常我们所说的时间序列模型也指的是这类模型。 要求模型中所有数据都由某个随机过程产生。 利用时序模型进行预测的一个基本前提是：时间序列必须具有平稳性 平稳时间序列与非平稳时间序列 平稳随机过程 税收收入的增长率是一个平稳的随机过程吗？ 白噪声过程 非平稳随机过程：时间序列的单整性 利率的变动经常表现出一个平稳的随机过程。 对于绝大多数由经济数据构成的时间序列往往表现出非平稳性。比如GDP，消费，收入等等。 但是，这些非平稳的时间序列经过差分变化以后，可以转变为平稳的时间序列。 平稳随机过程的初检验:相关图检验 相关图检验 平稳的单位根检验(DF检验和ADF检验) 自回归模型 AR(1)平稳的条件: 平稳AR(1)的自相关函数 移动平均模型 MA（1）平稳性 平稳的MA（1）的自相关函数 AR模型与MA模型的相互转化 一个平稳的AR模型可以转化为一个MA模型，所以对AR模型而言，重要的是考虑其的平稳性。 一个可逆的MA模型可以转化为一个AR模型，所以对MA模型而言，重要的是考虑其可逆性。 ARMA模型 时间序列建模方法论 识别 模型的适用性检验 ARIMA模型 利用AR、MA、ARMA建模必须要求时间序列是平稳的。 多数经济时间序列都表现出非平稳的特征。 差分变化转变为平稳过程。 ARIMA模型研究对象是非平稳过程。 时间序列建模举例 中国人口预测模型 中国税收收入预测模型 * * 指数平滑模型 ： 滑动平均模型 ： 加权滑动平均模型 ： 二次滑动平均模型 ： 确定性时间序列分析模型 随机过程 假设样本观测值 来自无穷随机变量序列 那么这个无穷随机序列称为随机过程（离散随机过程）。 时间序列 随机过程 数学描述： 仅与间隔期有关，而与时间点t无关 几何描述： 一个平稳的随机过程看作是一条围绕其均值上下波动的曲线。 数学描述： 白噪声是一平稳的随机过程。 经典线性回归对残差的要求是一个白噪声过程。 单整 对于随机时间序列，如果必须经过p次差分之后才能变换 成为一个平稳的过程，而当进行p-1次差分后仍是一个非平稳 过程，则称此时间序列具有p阶单整性，记为， 总体相关函数: 平稳时间序列的总体相关函数: 平稳时间序列的样本相关函数: 样本相关图: 结论：一般而言，对于 平稳时间序列来说，相 关图会很快变平，而对 非平稳时间序列来说， 它则消失得很慢。 . |******* |***** |**** |*** .|**. .|* . .| . | . *| . **| . **| . ***| . CONSUME(n) 二次差分CONSUME |*** .*| . **| . *| . *| . . |* . . |* . . |* . . | . . *| . . | . . | . EVIEWS输出结果 AC PAC Q-Stat Prob 1 0.391 0.391 3.3954 0.065 2 -0.109 -0.310 3.6750 0.159 3 -0.462 -0.373 9.0079 0.029 4 -0.400 -0.127 13.267 0.010 5 -0.247 -0.238 15.009 0.010 6 0.081 0.001 15.211 0.019 7 0.149 -0.191 15.949 0.026 8 0.149 -0.100 16.755 0.033 9 -0.017 -