时间序列分析教材 (2).pptxVIP

时间序列分析;时间序列分析概论;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。;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。;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;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。;一、时间序列分析的几个基本概念;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;均值方程：;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。 ;13;14;4、常见的随机过程： 白噪声过程：对于随机过程{ xt , t?T }, 如果E(xt) = 0, Var (xt) = ? 2 ? ? , t?T; Cov (xt, xt + k) = 0, (t + k ) ? T , k ? 0 , 则称{xt}为白噪声过程。 ? ;随机游走（random walk）过程 对于下面的表达式： xt = xt -1 + ut 如果ut 为白噪声过程，则称xt 为随机游走过程。 ;差分与滞后算子;滞后算子的性质： 常数与滞后算子相乘等于常数。 滞后算子适用于分配律。 ;;;;;;AR(p)模型的平稳性条件;;2.移动平均模型(MA);（2）移动平均模型的可逆性 对于MA(1)模型：;自回归模型与移动平均模型的关系 以上的分析说明，一个平稳的AR(p)模型可以转换为一个无限阶的移动平均模型；一个可逆的MA(q)模型可转换成一个无限阶的自回归模型。 AR(p)模型，只需考虑平稳性问题，不必考虑可逆性问题。 MA(q)模型，只需考虑可逆性问题，不必考虑平稳性问题。;;;;（第3版第293页）;;;用生成的序列演示。;;时间序列模型的建立与预测;时间序列模型的建立与预测;;时间序列模型的建立与预测;;;;ARIMA模型识别举例;;（第3版309页）;（第3版309页）;file:li-12-1 file: 5arma07; 案例1（中国人口时间序列分析）; 案例1（中国人口时间序列分析）; 案例1（中国人口时间序列分析）;;案例分析（中国人口时间序列模型）; 案例1（中国人口时间序列分析）;案例分析（中国人口时间序列模型）;;案例分析（中国人口时间序列模型）;案例分析（中国人口时间序列模型）;案例分析（中国人口时间序列模型）;file: 7arma07;;;参数t检验都有显著性， 特征根倒数都在单位圆之内，Q(15)对应的p值是0.50，大于0.05。三个条件都得到满足。;EViews 7;;;;;;;;;;;;;;;;