第章时间序列模型.pptx

《Econometrics》《计量经济学》攸频nkeconometrics@126.com南开大学经济学院数量经济研究所;第十二章 时间序列模型; 时间序列分析方法由Box-Jenkins (1976) 提出。 这种建模方法不以经济理论为依据，而是依据变量自身的变化规律，利用外推机制描述时间序列的变化。 注意序列的平稳性。如果时间序列非平稳，应先通过差分使其平稳后，再建立时间序列模型。 估计ARMA模型方法是极大似然法。 对于给定的时间序列，模型形式的选择通常并不是惟一的。在实际建模过程中经验越丰富，模型形式选择就越准确合理。;;当代计量经济模型体系;§12.1 时间序列定义;随机过程：随时间由随机变量组成的一个有序序列称为随机过程，用{xt，t∈T}表示，简记为{xt}或xt 。 时间序列：随机过程的一次观测结果(一次实现),时间序列中的元素称为观测值。时间序列也用{xt，t∈T}表示，简记为{xt}或xt 。; 协方差平稳过程（covariance stationary process）; 单整过程（unit root process） ;差分指时间序列变量的本期值与其滞后值相减的运算。 一阶差分可表示为： xt - xt -1 = ? xt = (1- L) xt = xt - L xt 其中? 称为一阶差分算子； 滞后算子： 用L表示 定义一阶滞后算子为：Lxt=xt-1 k阶滞后算子定义为：Ln xt = xt - n ;1. 白噪声（white noise）过程 若随机过程{xt}(t?T ) 满足以下条件则称为白噪声过程 (1) E(xt) = 0 (2) Var (xt) = ? 2 ? ? , t?T (3) Cov (xt, xt - k) = 0, (t - k ) ? T , k ? 0;2. 随机游走（random walk）过程 对于xt=xt -1+ut，若ut 为白噪声过程，称xt 为随机游走过程。 随机游走过程的均值为零，方差为无限大。 xt = xt -1 + ut = ut + ut-1 + xt -2 = ut + ut-1 + ut-2 + … (1) E(xt) = E(ut + ut-1 + ut-2 + …) = 0, (2) Var(xt) = Var(ut + ut-1 + ut-2 + …) = ? ? 随机游走过程是非平稳的随机过程。 对随机游走进行一阶差分，可将其转化为平稳过程。 ?xt= xt- xt-1= ut;§12.2 时间序列模型的分类;一、自回归过程AR(p) ;;2. AR(1)过程分析 ;;（第3版286页）;习 题1; xt=?1xt-1+?2xt-2+ut 平稳???的条件是特征方程1-?1L-?2L2=0的两个根在单位圆外： ;;（第3版286页）; ;判断根的可能情况;;1. q阶移动平均过程 MA(q) xt=ut+?1ut –1+? 2ut -2+…+?qut – q = (1+?1L+?2L2+…+?qLq)ut=??L)ut　　 其中：? 1, ? 2, …, ? q是回归参数，ut为白噪声过程。 xt是由q +1个ut和ut滞后项的加权和构造而成。 “移动”是指随着时间t而变化，“平均”是指加权和之意。 任何一个MA(q)都是由q + 1个白噪声变量的加权和组成， 所以任何一个移动平均过程都是平稳的。 与移动平均过程相联系的一个重要概念是可逆性。 ; 移动过程具有可逆性的条件是：;2. MA(q)的可逆性条件;3. MA(1)过程分析;;;（第3版287页）;4. 自回归与移动平均过程的关系;自回归移动平均（autoregressive moving average）过程: 其平稳性依赖于自回归部分: ? (L) = 0的根全部在单位圆之外。 其可逆性依赖于移动平均部分：? (L) = 0的根全部在单位圆之外。 实际中最常用的是ARMA(1, 1)过程: xt-?1xt-1=ut+?1ut-1 (1-?1L)xt=(1+?1L)ut 只有当 – 1 ?1 1和 –1 ? 1 1时， 上述模型才是平