5时间序列模型计量经济学.pptxVIP

时间序列分析时间序列模型-ARIMA时间序列分析概论一、什么是时间序列：计量经济分析中常用的数据类型截面数据时间序列数据面板数据 所谓时间序列数据，是指反应社会、经济、自然等现象的某一数量指标进行时间上的观察所得到的数据。而时间序列就是讲这些观测数据按照时间先后顺序排列起来所形成的序列。时间序列具有如下几个特点：时间序列中数据的位置与时间有关，数据的取值随时间的变化而变化。1978-2012年国内生产总值不变价2007年上证综指3分钟收益率数据时间序列具有如下几个特点：时间序列是对相关的指标变量在不同时间进行观察得到的结果。时间序列中的数据可以是一个时期内的数据也可能是一个时点上的数据。时间序列通常存在前后时间上的相依性，不一定是相邻时刻，从整体上看，时间序列往往呈现出某种趋势性或出现周期性变化的现象。1992年1季度到2009年1季度批发与零售业增加值（2005年不变价格）按照所研究问题的不同可以将时间序列进行如下分类：1、按照研究对象的多少，时间序列也可以分为一元时间序列和多元时间序列。2、按照观察时间是否连续可以分为离散时间序列和连续时间序列。经济分析中主要研究离散时间序列。3、按时间序列的统计特性，可将时间序列分为平稳时间序列和非平稳时间序列。时间序列分析方法的发展过程基础阶段：G.U.Yule 1927年，AR模型G.T.Walker1931年，MA模型，ARMA模型核心阶段：G.E.P.Box和 G.M.Jenkins 1970年，出版《Time Series Analysis Forecasting and Control》 提出ARIMA模型（Box—Jenkins 模型）Box—Jenkins模型实际上是主要运用于单变量、同方差场合的线性模型 完善阶段：异方差场合Robert F.Engle，1982年，ARCH模型 Bollerslov，1986年GARCH模型多变量场合C.A.Sims等，1980年，向量自回归模型C.Granger ，1987年，提出了协整（co-integration）理论模拟时间序列数据：确定性时间序列分析方法：长期趋势分析、季节变动分析、循环波动分析。随机性时间序列分析方法：ARIMA模型等。一、时间序列分析的几个基本概念1.随机过程 由随机变量组成的一个有序序列称为随机过程，记为 ，简记为Yt。随机过程也可以简称为过程，其中每一个元素Yt都是随机变量。将每一个元素的样本点按序排列，称为随机过程的一个实现，即时间序列数据，亦即样本。时间序列：随机过程的一次实现称为时间序列，也用{Y t }或Y t表示。随机过程与时间序列的关系如下所示：?随机过程: {y1,y2, …,yT-1, yT,}第1次观测：{y11, y21, …, yT-11, yT1}第2次观测：{y12, y22, …, yT-12, yT2} ? ? ? ? ?第n次观测：{y1n, y2n, …, yT-1n, yTn}某河流一年的水位值，{y1, y2, …, yT-1, yT,}，可以看作一个随机过程。每一年的水位纪录则是一个时间序列，{y11, y21, …, yT-11, yT1}。而在每年中同一时刻（如t = 2时）的水位纪录是不相同的。{ y21, y22, …, y2n,} 构成了y2取值的样本空间。2、随机过程的分布及其数字特征对任意给定的 ，随机过程{Yt}有两个随机 与之对应，其联合分布函数为：设{Yt}为一个随机过程，对任意一个 ，Yt的分布函数为：一般的，对于任意 的联合分布函数为：均值方程：方差函数：自协方差函数：自相关函数（ACF)：偏自相关函数（PACF)：3、随机过程的平稳性随机过程的平稳性是指随机过程的统计特征不随时间的推移而发生变化。随机过程的平稳性可以划分为严（强)平稳和宽（弱）平稳两个层面。严（强）平稳过程：一个随机过程中若随机变量的任意子集的联合分布函数与时间无关，即无论对T的任何时间子集（t1, t 2, …, tn）以及任何实数k, (ti + k) ?T, i = 1, 2, …, n 都有F( x(t1) , x(t2), …, x(tn) ) = F(x(t1 + k), x(t2 + k), … , x(tn + k) )成立，其中F(·) 表示n个随机变量的联合分布函数，则称其为严平稳过程或强平稳过程。宽（弱）平稳过程如果一个随机过程的均值和方差在时间过程上都是常数，并且在任何两期之间的协