金融时间序列分析教材.pptx

金融时间序列分析第五讲：单变量时间序列模型 内容结构1 ARMA模型的理论介绍2 ARMA模型的实证分析3问题与小结 ARMA模型的理论介绍一：ARMA模型的概述 六大问题1、ARMA模型有何价值？2、什么是ARMA模型？3、如何确定ARMA(p,q)中的p和q？4、如何估计ARMA(p,q)中的参数？5、如何检验ARMA模型？6、如何利用ARMA模型进行预测？ ARMA模型的理论介绍一：ARMA模型的概述1、ARMA模型有何价值？时间序列分析即寻找时间序列{ }的规律，对于给定的时间序列{ }，有2种方法对其进行解释或预测： 1、外部影响因素法利用外部影响因素的时间序列与本时间序列的关系进行解释或预测，典型的方法如回归模型。例如，预测零配件的月销售量，可以利用汽车月度产量等外部影响建立回归方程，进行预测。缺点：上述因素的数据必须具有可获得性，但是影响因素的数据并不是总是可获得，如政策、消费者偏好等因素就难以获得，这时就不适合采用外部影响因素法。 ARMA模型的理论介绍一：ARMA模型的概述2、时间序列方法上述方法中存在外部影响因素数据不可获得的特点，时间序列方法则规避了此类缺点。时间序列法，通过时间序列的历史数据，得出关于过去行为的有关结论，进而对时间序列未来进行判断。时间序列方法有很多，如传统时间序列方法（时间序列分解、指数平滑等）、随机时间序列（ARMA/AR/MA等）、其他方法（ARCH、动态时间序列法等）2、什么是ARMA模型？一些知识点的介绍1、时间序列的平稳性（任何时间序列分析都必须满足的前提）即进行时间序列分析前，必须判断其是否平稳，否则，时间序列分析中的t、F等检验都是不可信的。 ARMA模型的理论介绍一：ARMA模型的概述 满足如下条件：则时间序列 平稳 例一(平稳)称为白噪声满足如下条件~ ARMA模型的理论介绍一：ARMA模型的概述例二（非平稳）称为随机游走序列满足如下条件作差分后平稳 ARMA模型的理论介绍一：ARMA模型的概述2、滞后算子滞后算子公式：Ln xt = xt- n 3、自相关函数对于 有?k = Cov (Xt, X t - k ) = E[(Xt - ? ) (Xt - k - ? ) ] 自协方差函数定义其中，k=0时，?0 =Var（ ）= ARMA模型的理论介绍 一：ARMA模型的概述自相关函数定义= = ?k = 其中，k=0时，?0 =14、偏自相关函数自相关函数ACF(k)给出了 与 的总体相关性，但总体相关性可能掩盖了变量间完全不同的隐含关系，例如与 间有相关性可能主要是由于它们各自与 间的相关性带来的，这时需要用PACF（k）进行判断 与 间的偏自相关函数（partial autocorrelation，PACF）则是消除了中间变量 ，…， 带来的间接相关后的直接相关性 ARMA模型的理论介绍 一：ARMA模型的概述ARMA模型的介绍1、移动平均MA（q）模型一般地， 满足称为q阶移动平均过程MA(q) 为白噪声， 为移动平均系数移动平均过程是无条件平稳的（有严格的数学证明） ARMA模型的理论介绍 一：ARMA模型的概述2、自回归过程AR（p）模型一般地， 满足称为p阶移动平均过程AR(p)如果= ，为白噪声， 为自回归系数移动自回归过程平稳的条件滞后算子：滞后算子表达式：=特征方程：0结论：特征方程的所有根在单位圆外（根的模大于1），则AR(p)模型是平稳的 ARMA模型的理论介绍 一：ARMA模型的概述3、自回归移动平均过程ARMA（p，q）模型与AR（p）相似， 满足1如果 是一个白噪声， 满足：2由1式和2式得：其中 为白噪声，此模型是上述2个模型的混合，因此称为ARMA(p，q)模型 ARMA模型的理论介绍 一：ARMA模型的概述当 p=0 时，ARMA(0, q) = MA(q) 当q = 0时，ARMA(p, 0) = AR(p)ARMA（p，q）模型包括了一个AR(P)模型和一个MA(q)模型，因为MA(q)模型永久平稳，因此检验ARMA（p，q）模型平稳性时，只需检验AR(p)模型的平稳性结论： ARMA模型的平稳性完全取决于自回归模型的参数(?1 , ?2 ,…, ?p )，而与移动平均模型参数(?1 ,?2 ,…, ?q )无关常用的两种平稳性检验方法：1、相关图法。随着k的增加，样本自相关函数下降且趋于零。但从下降速度来看，平稳序列要比非平稳序列快得多2、单位根检验。DF/ADF等 ARMA模型的理论介绍一：ARMA模型的概述3、如何确定ARMA(p,q)中的p和q？确定