时间序列模型的特征.pptxVIP

第五章 时间序列计量经济学模型的理论与方法;§5.1 随机时间序列的特征;一、随机时间序列模型简介;1. 时间序列过程;美国通货膨胀和失业率部分数据表;2. 白噪声和随机游走; 对随机游走过程的预测：; 带漂移的随机游走过程;3. 平稳和非平稳时间序列; 任一随机时间按序列Y1,Y2,…,YT 都可以被认为是由一组联合分布随机变量生成，即Y1,Y2,…,YT代表一个联合概率分布函数 的某一特定结果。那么，一个未来的观测Yt+1可以认为是由条件概率分布函数 生成，即 是给定过去观测值Y1,Y2,…,YT下的Yt+1的概率分布。定义平稳过程为其联合分布和条件分布均不随时间而变化的过程。即如果Yt是平稳，则对任意的t，k和m，都有：; 如果时间序列Yt 满足： 1）均值E(Yt)=? 是与时间t 无关的常数； 2）方差Var(Yt)=?2是与时间t 无关的常数； 3）协方差Cov(Yt,Yt+k)=?k 是只与时期间隔k 有关，与时间t 无关的常数； 则称该随机时间序列是平稳的（stationary)，而该随机过程是一平稳随机过程（stationary stochastic process）。 问题： 白噪声过程是否平稳？ 随机游走过程是否平稳？ ; 如果Yt 是随机游走过程，对Yt 取一阶差分(first difference): ?Yt =Yt ?Yt-1= ?t 由于?t 是一个白噪声，则序列?Yt 是平稳的。; 如果Yt 是一阶齐次非平稳过程，则序列: Wt =Yt ?Yt-1= ?Yt 就是平稳的。 如果Yt 是二阶齐次非平稳过程，则序列： Wt = ?Yt ? ?Yt-1= ?2Yt 就是平稳的。;(4) 单整与非单整; 只有当-1 ? 1时，该随机过程才是平稳的。; 定义序列Yt 的滞后期为k的自相关系数为：; 例如，假设随机过程是Yt = εt，其中εt 是均值为零的独立同分布随机变量。则：ρ0 = 1，且对于k 0，ρk = 0成立，即Yt 是白噪声过程，最好地预测报白噪声的模型是;; 为了检验所有k 0的自相关函数ρk 都为0的联合假设，可以采用Box-Pierce的Q 统计量：; 考察序列的样本自相关函数图：;铜现货价格（月度数据）：;铜现货价格的样本自相关函数图（月度数据）：; 一阶差分后铜现货价格的样本自相关函数图（月度数据）：; 铜现货价格的样本自相关函数图（日数据）：; 一阶差分后的铜现货价格样本自相关函数图（日数据）：; 一阶差分后铜现货价格的样本自相关函数图（周数据）：;原理： 如果月度时间序列Yt 有年度的季节周期性，则序列的数据将显示每一期与它的前12期或滞后12期的一定程度的相关性。;t;给出一个随机时间序列，首先可通过该序列的时间路径图来粗略地判断它是否是平稳的。 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程； 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。 ;平稳时间序列与非平稳时间序列图;进一步的判断: 检验样本自相关函数及其图形。; 随着k的增加，非平稳序的样本自相关函数下降缓慢，而平稳序列样本自相关函数迅速下降且趋于零。;注意:; 从图形看：它在其样本均值0附近上下波动，且样本自相关系数迅速下降到0，随后在0附近波动且逐渐收敛于0。; 由于该序列由一随机过程生成，可以认为不存在序列相关性，因此该序列为一白噪声。;例2，序列Random2是由随机游走过程Yt =Yt-1+ ?t 生成的一随机游走时间序列样本。其中，第0项取值为0，?t 是由Random1表示的白噪声。; 样本自相关系数显示： ?1=0.48，落在了区间[-0.4497, 0.4497] 之外，因此在5%的显著性水平上拒绝?1的真值为0的假设。 该随机游走序列是非平稳的。;例3，检验中国支出法GDP时间序列的平稳性; 图形：表现出了一个持续上升的过程，可初步判断是非平稳的。 样本自相关系数：缓慢下降，再次表明它是非平稳的。 ; 所以，拒绝该时间序列的自相关系数在滞后1期之后的值全部为0的原假设。 结论: 1978~2000年间中国GDP时间序列是非平稳序列。; ; 也就是说，对式 Yt =?Yt-1+ ?t