(完整word版)应用时间序列分析重点.docVIP

1、时间序列：按时间顺序排列的一组随机变量。 2、平稳性：序列所有的统计性质都不随着时间的推移而变化时，叫严平稳； 当一个时间序列满足均值为常数，且自协方差函数只与时间长度有关时，叫弱平稳。 3、随机过程：是一连串随机事件动态关系 的定量描述。4、白噪声序列：也叫纯随机序列，各项之间没有任何相关关系，且存在方差齐性，服从正态分布，最简单的平稳 序列。5、随机游走：是非平稳的，未来的发展趋势无法预测。 6、单整与协整：单整是指时间序列显著平稳，不存在单位根， 则称序列为零阶单整序列；协整是指几个时间序列本身是非平稳的，但具有长期均衡关系，以它们建立的回归模型的残差序列 是平稳的，称这几个时间序列存在协整关系。 二、方法、重要模型与公式 1、AR模型的平稳性检验： a特征根判别或特征系数判别：所 有的特征根的绝对值都小于 1,或者所有的特征系数大于 1。如Xt =0.8Xt1 +合特征方程： 扎一0.8=0 扎=°.81 平稳；b、平稳域 判别：AR(2)的平稳域：xt = ]Xt)* 2Xt^ ■ ；t特征方程：-2  解为两个相关的额平稳序列之和，其中一个为确定性的 ｛Vt｝，另一个是随机性的｛ ;t｝。确定性因素分解：长期趋势、循环波动、季节性变化和 随机波动。确定性因素分解的缺点：只能提取强劲的确定性信息，对随机性信息浪费严重；把所有的序列变化都归结为四大因素的综合影响，却无 法提供明确。有效的方法判断各大因素之间确切的作用关系。 6、非平稳序列的随机分析： 差分运算：d阶：（1_B）d 一阶：\ Xt二片_ Xy 二阶： 寸X =% *X：L高阶：灯nXt =Nn_1Xt -Vn_1Xt丄有周期性因素的差分：若 St =St丰，作（1 _ Bs）差分；ARIMA （p，d，q）模型：①（B）Ndxt =三但）名t 二 E 三（B） 其中，可 d=（i—B）d ；①（B） =1—喑 B—…一0pBP； v Xt （B） =1一汕一...一诃 ，ARIMA （ p,d,q ）模型的性质：p个特征根在单位圆内， d个根在单位圆外，所以不平稳；序列方差也非平稳， 2 2 VarfXt） =Var（x^ * --.^ ；J =tc .，但是一阶差分后方差齐性： VarC xt） 使用arima拟合非平稳序列 时，要假设残差序列是零均值的白噪声序列，即：零均值、纯随机、方差齐性。   q ■■y /..j g (et) j -1 2 EGARCH1表示 i，THETA表示V，DELTA表示：！。ADF检验原假设是由单位根（非平稳）伪回归的判断方法： R 很大，参数检验显著, dw值很小。协整检验： eg两步法：adf检验｛xt｝、｛ yt｝是否同阶单整；再做 yt和Xt的回归，得残差序列；检验残差序列的平稳性, 若平稳，则 ｛Xt｝、｛yt｝ 是协整的；做 ECM模型： Vyt =卩 +PVxt +：ECMt4 +vt，? 0, ECM t4 =耳」，P 表示长期的边际效应，取对数后, I-表示长期弹性。