六章 平稳时间序列.docxVIP

第六章 平稳时间序列模型 时间序列的分析研究始终是计量经济学和统计学的一个热点，对于制定精确 定价和预测决策是至关重要的，近代计量经济学和金融市场的许多研究成果和市 场决策理论愈来愈多是建立在时间序列分析的基础上。Engle和 Grange 因为他们 的时间序列模型在经济金融中的广泛应用而获得 2003 年的诺贝尔经济学奖，就 是时间序列分析方法的重要性在世界上被广泛认可的有力证明．近代计量经济和 金融市场的许多研究成果都建立在时间序列分析的基础之上。传统应用较广的是 Box 和 Jenkins（1970）提出的 ARIMA（自回归求和移动平均）方法；Engle（1982） 提出了 ARCH模型（一阶自回归条件异方差），用以研究非线性金融时间序列模 型，由此开创了金融时序独树一帜的研究思路和方法。随着时间序列分析理论和 方法的发展，美国学者 Schemas 和 Lebanon 发现股票日收益序列与周收益序列中 存在混沌现象，米尔斯也指出金融时间序列似乎通常可以用随机漫步来很好近 似，非线性时间序列模型被广泛应用在金融时间序列分析中。就数学方法而言， 平稳随机序列的统计分析，在理论上的发展比较成熟，从而构成时间序列分析的 基础。因此，本章从基本的平稳时间序列讲起。 第一节 基本概念 一、随机过程 在概率论和数理统计中，随机变量是分析随机现象的有力工具。对于一些简 单的随机现象，一个随