计量经济学 本科经济金融专业 第十章节 时间序列.pptVIP

第十章 时间序列模型 第一节 平稳时间序列及其检验 第二节 经济变量的协整 第三节 因果关系检验 第一节 平稳时间序列及其检验 非平稳时间序列与虚假回归 随机序列的特征量随时间而变化——非平稳时间序列 反之——平稳时间序列 非平稳时间序列可能导致虚假回归 一、非平稳时间序列定义 所谓平稳时间序列是指时间序列 {xt, t=0,±1,±2,···} 对任意整数t， ，且满足以下条件： 对任意t，均值恒为常数 COV(Xt, Xt+k)= rk，对任意整数t和k， rt,t+k只和k有关 随机序列的特征量随时间而变化，称为非平稳序列 平稳序列的特性 方差 自相关函数： 自相关函数的估计 平稳序列的判断 一类特殊的平稳序列 ——白噪声序列 随机序列{xt}对任何xt和xt都不相关，且均值为零，方差为有限常数 正态白噪声序列：白噪声序列，且服从正态分布 白噪声过程的本质 目前时刻与过去时刻的值不相关，过去时刻对未来也没有任何有用的价值。“白”是因为它的谱与白光有相同的特点，它的普密度在所有的频率上都是常数。 白噪声的自相关函数 （一）自相关系数 平稳序列的判断 例子： 太阳黑子 M1 CPI 股票指数 定额储蓄 温度 （二）单位根——DF与ADF检验 通常把时间序列的非平稳性检验称为单位根检验 DF或ADF检验 假设H0: 非平稳 H1: 平稳 计算DF统计量 DFDfa 接受H0,非平稳序列 DFDfa 拒绝H0,平稳序列 David Dickey和Wayne Fuller的单位根检验（unit root test）即迪基——富勒（DF）检验，是在对数据进行平稳性检验中比较经常用到的一种方法。 从考虑如下模型开始： 由式(1),我们可以得到： 依次将式(4)…(3)、(2)代入相邻的上式，并整理，可得： （2）若 ＞1，则当T→∞时， →∞，即对序列的冲击随着时间的推移其影响反而是逐渐增大的，很显然，此时序列是不稳定的。 （3 ）若 =1，则当T→∞时， =1，即对序列的冲击随着时间的推移其影响是不变的，很显然，序列也是不稳定的。 对于式（1），DF检验相当于对其系数的显著性检验，所建立的零假设是： H0 ：　 ，非平稳 H1 ：　　　，平稳　　　　 如果拒绝零假设，则称Yt没有单位根，此时Yt是平稳的；如果不能拒绝零假设，我们就说Yt具有单位根，此时Yt被称为随机游走序列（random walk series）是不稳定的。 方程（1）也可以表达成： I (1)过程在金融、经济时间序列数据中是最普遍的，而I (0)则表示平稳时间序列。 从理论与应用的角度，DF检验的检验模型有如下的三个： 其中t是时间或趋势变量，在每一种形式中，建立的零假设都是：H0： 或H0： ，即存在一单位根。（7 ）和另外两个回归模型的差别在于是否包含有常数（截距）和趋势项。如果误差项是自相关的，就把（9）修改如下： 式（10）中增加了 的滞后项，建立在式（10）基础上的DF检验又被称为增广的DF检验（augmented Dickey-Fuller，简记ADF）。ADF检验统计量和DF统计量有同样的渐近分布，使用相同的临界值。 首先，我们来看如何判断检验模型是否应该包含常数项和时间趋势项。解决这一问题的经验做法是：考察数据图形 其次，我们来看如何判断滞后项数m。在实证中，常用的方法有两种： （1）渐进t检验。该种方法是首先选择一个较大的m值，然后用t检验确定系数是否显著，如果是显著的，则选择滞后项数为m;如果不显著，则减少m直到对应的系数值是显著的。 （2）信息准则。常用的信息准则有AIC信息准则、SC信息准则，一般而言，我们选择给出了最小信息准则值的m值 三、非平稳性数据的处理 一般是通过差分处理来消除数据的不平稳性。即对时间序列进行差分，然后对差分序列进行回归。对于金融数据做一阶差分后，即由总量数据变为增长率，一般会平稳。但这样会让我们丢失总量数据的长期信息，而这些信息对分析问题来说又是必要的。这就是通常我们所说的时间序列检验的两难问题。 非平稳时间序列的检验结论 单整性：对于一个非平稳序列Xt，如果差分 D次后，可以变成一个平稳可逆的ARMA时间序列，而在差分D-1次后仍是非平稳的，则称该时间序列具有D阶单整性，记为Xt~I(d) 两个序列：