时间序列分析解析章节义(上)资料.pptVIP

时间序列分析讲义 第一章 时间序列分析概念 第二章 时间序列的预处理 第三章 平稳时间序列建模 第四章 时间序列分析实例-SAS应用 目录 第一章 时间序列分析基本概念 随机序列:按时间顺序排列的一组随机变量 观察值序列:随机序列的 个有序观察值，称之为序列长度为 的观察值序列 随机序列和观察值序列的关系 观察值序列是随机序列的一个实现 我们研究的目的是想揭示随机时序的性质 实现的手段都是通过观察值序列的性质进行推断 1.1 时间序列的定义 第一章 时间序列分析基本概念 时序图1.1 下面是几个常见的时间序列观察值序列的点图： 时序图1.2 德国业余天文学家施瓦尔发现太阳黑子的活动具有11年左右的周期 时序图1.3 时序图1.4 时序图1.1，该时序有明显的增长趋势,不是平稳变化的； 时序图1.2，该时序变化平稳，但有明显的周期特征； 时序图1.3，该时序变化平稳，无明显的周期特征；但显示各时刻序列值显然毫无关联，显示白噪声特点 时序图1.4，该时序变化平稳，无明显的周期特征；无明显白噪声特点 时间序列数字特征就可以用量化的方法识别时间序列。 时间序列分析方法，是根据时间序的不同特点，建立不同的模型。所以时间序列特征的识别很重要。 用图形一定程度上可以识别时间序列的特征，且很直观；但是图形识别不是量化的标准，往往不够准确。因此一个量化的识别时间序列的特征的方法是必要的。 1.2 时间序列的数字特征 均值函数 方差函数 自协方差函数 自相关函数 时间序列的数字特征包含了时间序列的重要信息,时间序列分析方法正是通过对分析时间序列的数字特征，来分析时序的特性，并由此确定对于该序列建立什么样的模型. 我们根据时间序列的数字特征可以将时间序列分类： 1.3 随机序列的几种类型 满足如下条件的序列称为平稳时间序列: 注1：平稳时间序列的均值是常数, 序列没有有明显的趋势 时序图1.2、1.3、1.4都符合是平稳序列特征 时序图1.1是非平稳序列 注2：没有周期性的平稳时间序列, 一般有： 即间隔时间很长时，则相关性趋弱。 满足下列条件的随机序列称为白噪声序列，也称为纯随机序列： 注1：白噪声序列也是平稳时间序列中的特例. 注2：由于白噪声序列不同时刻的值相互独立，那么这样的序列数值不能对于将来进行推断与预测，所以白噪声是不能建立模型的。 时序图1.3符合白噪声序列特征 若满足时间序列满足: 称该时间序列是周期为T的时间序列. 注1：若时间序列是周期为T的时间序列,则其均值函数和自相关函数都是周期的,T为其周期。 时序图1.2符合周期序列特征 实际中我们得不到一个时间序列的完整性信息，因此不能计算理论均值和自相关函数。但我们能获取时间序列的一个样本，因此我们需要根据样本来计算样本的均值和样本自相关函数。 1.4 时间序列的样本均值与样本自相关函数 假设已经得到了时间序列的一段样本观察值 ，其中 称为样本长度。 时间序列的样本均值： 样本自相关函数： 其中： 后面，我们是通过样本的数字特征对于时间序列进行识别和建模的。 时间序列分析常用软件 S-plus，Matlab，Gauss，TSP，Eviews 和SAS 推荐软件——SAS 在SAS系统中有一个专门进行计量经济与时间序列分析的模块：SAS/ETS。SAS/ETS编程语言简洁，输出功能强大，分析结果精确，是进行时间序列分析与预测的理想的软件 由于SAS系统具有全球一流的数据仓库功能，因此在进行海量数据的时间序列分析时它具有其它统计软件无可比拟的优势 1.5 时间序列分析软件 时间序列分析方法，是对非白噪声且无周期性的 的平稳时间序列直接建立模型的。 1、做纯随机性检验， 3、进行周期识别。 若有周期，消除周期性。 因此在建模之前需要做的预处理： 若是纯随机性序列，终止建模。 --- 得到非纯随机的无周期平稳时间序列数据，用于建模。 2、对时间序列做平稳性检验， 若非平稳，需做平稳化处理。 第二章 时间序列的预处理 原假设：延迟期数不超过 期的序列值之间相互独立 检验统计量 ，则拒绝原假设，认为该序列为非出随机序列，可以建模。 认为序列为纯随机序列， ，则接受原假设 2.1 纯随机性检验 终止建模 例2.1：对于下面序列进行纯随机性检验 样本自相关图 检验结果 由于P值显著大于显著性水平 ，所以不能拒绝该序列纯随机的原假设。 认为该序列是纯随机的，建模终止。 例2.2 对1950年——1998年北京市城乡居民定期储蓄所占比例的纯随机性进行检验 例2.2时序图 例2.2白噪声检验结果 由于P