非平稳的时间序列.pptVIP

第五章 非平稳序列的随机分析  本章结构 ●单位根过程 ●差分运算 ●单位根检验 ●ARMA模型 Auto- Regressive模型 ●异方差的性质 方差齐性变化 ●条件异方差模型  单位根过程( unit Root process) ●平稳随机过程的特点 ○1.不同时刻均值相同,围绕常数均值波 动,称为均值回复( mean reversi on). ◎2.方差有界并且不随时间变化,是常数 称为方差齐性  ●平稳ARMA模型,可表示为 11=1+E1+v1E1+ E口W(0,a ●此类模型的特点 ○3.长期预测趋于无条件均值 4.预测误差的方差有界  序列分解 =(1+y1+…+v1=)+(v+11+…) e;() 预测误差 预测值 E(xx,x1,…)=(l) Vr(xx,x1,…)=Wane(  ●5.t时刻的扰动带来的影响随着时间的增 加趋于0 假设t时刻E,改变一个单位,那么未来时刻ts 时,x改变多少? △E 因为∑。v,所以s的增加v趋于0  非平稳过程 ●多数经济变量的时间序列都有随着时间增 加而增长的趋势,不具有均值回复的特点 ●两种刻画 ○带趋势的平稳随机过程(前面已讲) ○单位根过程  随机趋势过程 ●有一类随机过程,如果再t时刻扰动项发生 变化,那么它的影响会一直存在下去,不会随 着时间t增大会立刻衰减到0.这样过程成为 随机趋势过程 ○随机游动(走) ○带常数项的随机游动 ○单位根过程  随机游走 x=x1+6,其中E,是独立同分布的白噪声序列 迭代有 X,=X0+E1+E11+…+E1 计算数字特征 Ex,=0, Var(x =to P,=(t-s)√ts h步预报为x(h)=x 没有明确的增长趋势,也不向某个长期均值回复  带常数项的随机游走 x=δ+x-1+6其中;是独立同分布的白噪声序列 迭代有 X,=X0+Ot+E1+E11+…+s 计算得 Ex,=δt,var(x,)=1a2 P=(-s)/√(ts (h)=x, +Sh 包含一个确定性趋势和一个随机趋势