第三讲时间序列随机模型分析.pptxVIP

第三讲 时间序列的随机模型分析;本讲参考教材;时间序列分析方法;第三讲 时间序列的随机模型分析;时间序列和随机过程;差分;时间序列平稳性的定义;白噪声过程;随机游走过程;随机游走过程;随机游走(Random Walk);不同的非平稳序列;单位根平稳的ADF检验;单位根平稳的ADF检验;ADF检验的步骤;ADF检验的临界值;第三讲 时间序列的随机模型分析;常用的时间序列模型;自回归模型（AR）;自回归模型（AR）;AR模型的平稳性问题;AR模型的平稳性问题;AR模型的平稳性问题;AR模型的平稳性条件;移动平均模型(MA);MA模型的随机模拟数据;MA模型的可逆性条件;自回归移动平均模型(ARMA);ARMA模型的平稳可逆性条件;ARMA(1,1)的随机模拟;假设一个随机模型含有d个单位根，其经过d次差分之后可以变换为一个平稳的自回归移动平均模型。则该随机模型称为单整自回归移动平均模型。 伯克斯—詹金斯积数十年理论与实践的研究指出，时间序列的非平稳性是多种多样的，然而幸运的是经济时间序列常常具有这种特殊的线性齐次非平稳特性（即参数是线性的，xt及其滞后项都是一次幂的）。对于一个非季节性经济时间序列常常可以用含有一个或多个单位根的随机过程模型描述。;ARIMA(1,1)的随机模拟;ARIMA模型的表示;ARIMA模型的表示;ARIMA模型的表示;第三讲 时间序列的随机模型分析;自相关函数(ACF)的定义;自相关函数(ACF)的定义;自相关函数(ACF)的定义;AR模型的自相关函数;AR模型的自相关函数; 《金融计量经济学》 对外经贸大学金融学院 第42页 ;AR模型的自相关函数;MA模型的自相关函数;MA模型的自相关函数;ARMA模型的自相关函数;相关图（correlogram） ;相关图（correlogram） ;Eviews中的相关图;偏自相关函数(PACF) ;偏自相关函数(PACF) ;偏自相关函数(PACF) ;偏自相关函数;偏自相关函数;偏相关图; 自相关函数 偏相关函数 AR模型 拖尾 截尾 MA模型 截尾 拖尾 ARMA模型 拖尾 拖尾;ARIMA过程的ACF和PACF特征;ARIMA过程的ACF和PACF特征;ARIMA过程的ACF和PACF特征;ARIMA过程的ACF和PACF特征;ARIMA过程的ACF和PACF特征;ARIMA过程的ACF和PACF特征;ARIMA过程的ACF和PACF特征;ARIMA过程的ACF和PACF特征;ARIMA过程的ACF和PACF特征;扩展的自相关函数(EACF);ARMA(1,1)的EACF图;第三讲 时间序列的随机模型分析;ARIMA模型的一般表达式;建立时间序列模型;建立时间序列模型的流程图;数据平稳化处理方法（宏观数据）;数据平稳化处理方法（交易数据）;数据平稳化的EViews命令;模型的参数估计;模型的诊断与检验 ;模型的诊断与检验 ;模型的诊断与检验 ;模型系数的不稳定性;结构突变和模型系数的不稳定性;模型系数的不稳定性;模型筛选的其他指标;ARMA模型预测的链锁法则;ARMA模型预测的链锁法则;ARMA模型预测的链锁法则;AR模型的均值回复特征;平稳时间序列的均值回复;平稳时间序列的均值回复;平稳时间序列的均值回复;时间序列模型预测能力的评价;第三讲课后作业1;第三讲课后作业2