Eviews数据统计与的模板教程8章 时间序列模型-协整理论.pptVIP

* EViews统计分析基础教程 第章时间序列模型 重点内容： 时间序列的分解方法 随机过程的定义 、、模型的建立方法 协整理论 误差修正（）模型的建立 一、时间序列的趋势分解 时间序列的分解方法包括两种： 季节调整（适用于趋势要素与循环要素不可分时） 趋势分解（适用于趋势要素和循环要素可分解时 ） 一、时间序列的趋势分解 趋势分解——（ – ）滤波法 设时间变量含有趋势因素和波动因素，令 （，，） 其中， 表示含有趋势因素的时间序列， 表示含有波动因素的时间序列。滤波法就是将时间序列中的分离出来。 设 滤波就是求该式的最小值。 滤波取决于参数λ，当λ时，符合最小化的趋势序列为序列；当λ逐渐变大时，估计的趋势变得越来越光滑；当λ接近于∞时，估计的趋势接近于线性函数。 一、时间序列的趋势分解 趋势分解——（ – ）滤波法 操作方法： 选择序列对象工具栏中的“”“ – …”选项，将弹出右图所示的对话框。 在“”的编辑栏中输入趋势序列名 在“”的编辑栏中输入参数λ的值， 如果是年度数据输入，如果是季度数 据输入，如果是月度数据输入。 然后单击“”按钮，就会得到原序列和 趋势序列的图形。 二、时间序列的指数平滑 操作方法： 选择序列对象工具栏中的“”“ – …”选项，就可以弹出指数平滑法的对话框，如下图所示。 在“ ”中选择方法; 在“ ”中写入 平滑参数，如果输入字母，系统 会自动估计参数; 在“ ”输入平滑后的 序列名称。 三、随机过程 分类： 白噪声（ ）过程 随机游走（ ）过程。 三、随机过程 分类： 白噪声过程 白噪声过程是指，对于随机过程{∈}，如果 () () σ ∞ (，) 其中，∈，（）∈，≠，此时{}为白噪声过程。 白噪声过程是平稳的随机过程，其均值为，方差为常数，随机变量间不相关。白噪声源于物理学，指功率谱密度在整个频域内均匀分布的噪声。 三、随机过程 分类： 白噪声过程 白噪声过程是指，对于随机过程{∈}，如果 () () σ ∞ (，) 其中，∈，（）∈，≠，此时{}为白噪声过程。 白噪声过程是平稳的随机过程，其均值为，方差为常数，随机变量间不相关。 三、随机过程 分类： 白噪声过程 白噪声源于物理学， 指功率谱密度在整 个频域内均匀分布 的噪声。 时间序列{}白噪声过程图形 三、随机过程 分类： 随机游走过程 随机游走过程是指，时间序列中下个时期的值等于本期值加上一个独立的（或至少是不相关的）误差项。 在最简单的随机游走中，的每一次变化均来自于前期的变化，其表达式为 （） 其中，为平稳的随机过程，即为白噪声过程，为随机游走过程。 三、随机过程 分类： 随机游走过程 时间序列{}随机游走过程图形 四、时间序列模型的分类 、自回归（）模型 时间序列{ }的阶自回归（， ）模型的表达式为 ? ? … ? 其中，参数为常数；?，?，… ，?为自回归模型的系数，是待估参数；为自回归模型的阶数；为白噪声序列，其均值为，方差为σ。称为阶自回归过程，用（）表示。 自回归模型（）常用来修正随机误差项的序列相关 四、时间序列模型的分类 、移动平均（）模型 时间序列{ }的阶移动平均（， ）模型的表达式为 β β … β – 其中，参数为常数；β，β，…，β为移动平均模型的系数，是模型的待估参数；为移动平均模型的阶数；为白噪声序列，其均值为，方差为σ。称为阶移动平均过程，用（）表示。 时间序列{ }由个和个的滞后项加权的和组成，“移动”是指时间的变化，“平均”指的是滞后项的加权和。 四、时间序列模型的分类 、自回归移动平均（）模型 自回归移动平均模型是由自回归模型（）和移动平均模型（）共同组成的随机过程，因而也被称为混合模型，记作（, ）。其表达式为 ? ? …? β β