时间序列模型概述.pptxVIP

第十章 时间序列模型第一节 平稳时间序列及其检验第二节 经济变量的协整第三节 因果关系检验第一节 平稳时间序列及其检验 非平稳时间序列与虚假回归随机序列的特征量随时间而变化——非平稳时间序列反之——平稳时间序列非平稳时间序列可能导致虚假回归一、非平稳时间序列定义所谓平稳时间序列是指时间序列 {xt, t=0,±1,±2,···} 对任意整数t， ，且满足以下条件：对任意t，均值恒为常数 COV(Xt, Xt+k)= rk，对任意整数t和k， rt,t+k只和k有关随机序列的特征量随时间而变化，称为非平稳序列xtxttt平稳序列的特性方差自相关函数：自相关函数的估计ρ kρkkk平稳序列的判断1100平稳序列的自相关函数非平稳序列的自相关函数迅速下降到零缓慢下降一类特殊的平稳序列 ——白噪声序列随机序列{xt}对任何xt和xt都不相关，且均值为零，方差为有限常数正态白噪声序列：白噪声序列，且服从正态分布白噪声过程的本质目前时刻与过去时刻的值不相关，过去时刻对未来也没有任何有用的价值。“白”是因为它的谱与白光有相同的特点，它的普密度在所有的频率上都是常数。白噪声的自相关函数二、非平稳时间序列的检验（一）自相关系数ρ kρkkk平稳序列的判断1100平稳序列的自相关函数非平稳序列的自相关函数迅速下降到零缓慢下降例子：太阳黑子M1 CPI股票指数定额储蓄温度Q（LB）统计量临界值时，非平稳Q统计量的P值比较大，各阶滞后自相关和偏相关接近于零——平稳否则非平稳二、非平稳时间序列的检验（二）单位根——DF与ADF检验通常把时间序列的非平稳性检验称为单位根检验DF或ADF检验假设H0:非平稳 H1:平稳 计算DF统计量 DFDfa接受H0,非平稳序列 DFDfa 拒绝H0,平稳序列单位根检验的基本原理 David Dickey和Wayne Fuller的单位根检验（unit root test）即迪基——富勒（DF）检验，是在对数据进行平稳性检验中比较经常用到的一种方法。 DF检验的基本思想：从考虑如下模型开始：（1） 其中 即前面提到的白噪音（零均值、恒定方差、非自相关）的随机误差项。由式(1),我们可以得到： (2) (3)… (4) 依次将式(4)…(3)、(2)代入相邻的上式，并整理，可得： （5）根据 值的不同，可以分三种情况考虑：（1）若 ＜1，则当T→∞时， →0，即对序列的冲击将随着时间的推移其影响逐渐减弱，此时序列是稳定的。 （2）若 ＞1，则当T→∞时， →∞，即对序列的冲击随着时间的推移其影响反而是逐渐增大的，很显然，此时序列是不稳定的。（3 ）若=1，则当T→∞时，=1，即对序列的冲击随着时间的推移其影响是不变的，很显然，序列也是不稳定的。 对于式（1），DF检验相当于对其系数的显著性检验，所建立的零假设是：H0 ：　 ，非平稳H1 ：　　　，平稳如果拒绝零假设，则称Yt没有单位根，此时Yt是平稳的；如果不能拒绝零假设，我们就说Yt具有单位根，此时Yt被称为随机游走序列（random walk series）是不稳定的。 方程（1）也可以表达成： （5.6） 其中= -， △是一阶差分运算因子。此时的零假设变为：H0： =0。注意到如果不能拒绝H0，则=是一个平稳序列，即 一阶差分后是一个平稳序列，此时我们称一阶单整过程（integrated of order 1）序列，记为I (1)。 I (1)过程在金融、经济时间序列数据中是最普遍的，而I (0)则表示平稳时间序列。从理论与应用的角度，DF检验的检验模型有如下的三个： （7） （8） （9）其中t是时间或趋势变量，在每一种形式中，建立的零假设都是：H0： 或H0： ，即存在一单位根。（7 ）和另外两个回归模型的差别在于是否包含有常数（截距）和趋势项。如果误差项是自相关的，就把（9）修改如下：（10） 式（10）中增加了 的滞后项，建立在式（10）基础上的DF检验又被称为增广的DF检验（augmented Dickey-Fuller，简记ADF）。ADF检验统计量和DF统计量有同样的渐近分布，使用相同的临界值。ADF检验模型的确定首先，我们来看如何判断检验模型是否应该包含常数项和时间趋势项。解决这一问题的经验做法是：考察数据图形其次，我们来看如何判断滞后项数m。在实证中，常用的方法有两种： （1）渐进t检验。该种方法是首先选择一个较大的m值，然后用t检验确定系数是否显著，如果是显著的，则选择滞后项数为m;如果不显著，则减少m直到对应的系数值是显著的。（2）信息准则。常用的信息准则有AIC信息准则、SC信息