- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
文档结尾是FAQ和var建模的15点注意事项
【梳理概念】
向量自回归(VAR, Vector Auto regression)常用于预测相互联系的时间序列系统以及分析随机扰动对变量 系统的动态影响。
VAR模型:
VAR方法通过把系统中每一个内生变量,作为系统中所有内生变量的滞后值的函数来构造模型,从而回避了 结构化模型的要求。
VAR模型对于相互联系的时间序列变量系统是有效的预测模型,同时,向疑自回归模型也被频繁地用于分 析不同类型的随机误差项对系统变量的动态影响。如果变量之间不仅存在滞后影响,而不存在同期影响关 系,则适合建立VAR模型,因为VAR模型实际上是把当期关系隐含到了随机扰动项之中。
协整:
Engle和Granger (1987a)指岀两个或多个非平稳时间序列的线性组合可能是平稳的。假如这样一种平稳 的或的线性组合存在,这些非平稳(有单位根)时间序列之间被认为是具有协整关系的。这种平稳的线性组 合被称为协整方程且可被解释为变量之间的长期均衡关系。
* 第六讲时间序列分析
*一一目录——
?
d?简介
6」时间序列数据的处理
d ■平稳时间序列模型
6.2 ARIMA 模型
6.3 VAR 模型
非平稳时间序列模型一近些年得到重视,发展很快
6.4非平稳时间序列简介
6.5单位根检验——检验非平稳
6.6协整分析一一非平稳序列的分析
黑-自回归条件异方差模型
6.7 GARCH模型一一金融序列不同时点上序列的差界
反映动态关系的时间数据顺序不可颠倒
cd d:\stata 10\ado\personal\Net_Course\B6_TimcS
*时间序列数据的处理 help time
*声明时间序列:tsset命令
use gnp96.dta, clear
list in 1/20
gen Lg叩=L.gnp(此时没办法生成之后一阶的变量,因为没有设左时间变量)
tsset date (设定 date 为时间变timeseries) list in 1/20
gen Lgnp = L.gnp96
滞后一期,所以会产生1个缺失值 ?检查是否有断点——肉眼看不方便,用命令检査
use gnp96.dta, clear
tsset date
tsreport, report
drop in 10/10— 一去掉断点成连续的,才能继续进行
list in 1/12
tsreport, report
tsreport, report list /* 列 出 存 在 断 点 的 样 本 信 息 */
.tsreport. rep-ort
Number o£ gaps in sairple: 1
? tsreportx repor七 list
Number or gapsin sairple
Number or gaps
in sairple :
Observaxions withpreceding time gaps
Observaxions with
preceding time gaps
DateRecord
Date
101969q3
10
?填充缺漏值一一接着上一步,看看SR怡如何填充缺漏值。?般用前而的数据的平均值或预测等
Tsfill (以缺漏值的形式)
tsreport, report list
list in 1/12
dategnp96Lgnp19€7ql19€7q219?7q319?7q419€8ql3=631 ?召眺 44.537.53€44.535723703-1€738€l-8
date
gnp96
Lgnp
19€7ql
19€7q2
19?7q3
19?7q4
19€8ql
3=631 ?召
眺 44.5
3S72
3703
37S7.5
3€44.5
3572
3703-1
€
7
38€l-8
3937.8
3915
3937.8
19€9q3
19€9q4
19*68q2
19€8q3
19€8q4
总追加样本一一有时候追加样本不是为了追加新的值,而是为了预测(见应用) use gnp96.dta, clear
tsset date
list in-10/-l
sum
tsappend , ad(l(5)产追加5个观察值*/
listin-lOAl增加的样本值部是缺漏的町以乎动输入
sum
.tsappend 7 add5)
date
gnp9 6
Lgnp
138?
2001q2
9436.4
9462.8
139.
2001q3
9405.7
9436.4
L40.
2001q4
9538
9405.7
L41.
2002ql
9659
9538
142?
2002q2
9678.4
9659
143?
2002q3
、
L44.
2002q4
f
-
14S
文档评论(0)