专题_时间序列特性分析.pptxVIP

专题 时间序列特性分析1. 时序特性的研究工具自相关偏自相关Eviews中自（偏自）相关分析的操作1.1.自相关, AC，Autocorrelation自相关：构成时间序列的每个序列值 之间的简单相关关系称为自相关。序列自相关程度由自相关系数度量，表示时间序列中相隔k期的观测值之间的相关程度。自相关系数的取值范围[-1,1]，越接近1（或-1），自相关程度越高。1.2. 偏相关, PAC，Partial Correlation对于时间序列 ，在给定 的条件下， 与 之间的条件相关关系。相关程度由偏自相关系数 度量，满足1.3. Eviews中自（偏自）相关分析的操作Quick/Series Statistics/Correlogram第一项：对于按序列（Level），原序列的一次差分（1st difference），原序列的2次差分（2nd difference）做相关图。第二项：决定自相关函数的最大滞后期数，考察季节数据时，如月度数据，季节周期为12个月，k取12，24等；季度数据时，k取4,8等。显示了相关图、偏相关图、Q统计量及相应的频率。在图的左部显示的是根据这些统计量的值绘出的图形，右边显示的是这些统计量的数值列表。输出结果Autocorrelation：自相关图Partial Correlation：偏相关自然序数列：滞后期k的值AC：估计的自相关系数值PAC：估计的偏相关系数值Q-Stat：Q统计量,对序列进行独立性检验原假设：序列是非自相关的。Prob：Q统计量取值大于该样本计算的Q值的概率，若以5%为检验水平，则该概率大于0.05时，该序列是非自相关的；小于0.05时，该序列是自相关的。序列自相关系数：相关图AC的定义：滞后K期的偏自相关系数：滞后K期的Ljung-Box-Q统计量：Q-Stat表示的是Q统计量值系列，Prob表示的是Q统计量取值大于该样本计算的Q值的概率。若以5%为检验水平，则该概率大于0.05时，该序列是非自相关的（随机的）；小于0.05时，该序列是自相关的（非随机的）。使用命令方式绘制序列的自相关和偏自相关分析图在主菜单窗口输入“ident_序列名称”，以后的操作与菜单方式完全相同或在主窗口命令行只输入“ident”，以后的操作与菜单方式完全相同操作练习1打开工作文件“上证综指”使用菜单方式绘制序列“CLSINDEX”的相关图，将结果固化，命名为“Table01”、 “Table02” 。要求：分别使用原序列和一阶差分序列，最大滞后阶数为30。使用命令方式绘制序列“RETINDEX”的相关图，将结果固化，命名为“Table03”。要求：使用原序列，最大滞后阶数为30。2. 时间序列特性分析时序的随机性时序的平稳性时序的季节性相关图及偏相关图的分析如果几乎所有自相关系数都落入随机区间，可认为序列是随机的。自相关图\随机序列.JPG随机序列自相关图如果 （AC）较大，则意味着这个序列存在自相关。如果 随着滞后期k的增加或多或少地呈几何状递减，则标志着这一序列服从一个低阶自回归过程。（非平稳序列）自相关图\非平稳序列.JPG非平稳序列自相关图如果k的值增加不大， 的值就降到接近于0，则标志着这一序列服从一个低阶移动平均过程。（平稳序列）自相关图\平稳序列.JPG平稳序列自相关图2. 1. 时序的随机性如果一个时间序列是纯随机序列，意味着序列没有任何规律性，序列诸项之间不相关，即序列为白噪声序列，其自相关系数应该与0没有显著差异。判断一个时间序列是否是纯随机序列最直观的方法是利用自相关分析图。自相关分析图中给出了显著水平0.05时的置信带，自相关系数落入置信区间内表示与0无显著差异。如果几乎所有自相关系数都落入随机区间，可认为序列是纯随机的。如：“上证综指收益指数”2.2. 时序的平稳性平稳时间序列的各观测值围绕其均值上下波动，且该均值与时间t无关，振幅变化不剧烈。自相关图\平稳序列折线图.JPG平稳序列折线图序列的平稳性可以用自相关分析图判断：如果序列的自相关系数很快地（滞后阶数k大于2或3时）趋于0，即落入随机区间，时序是平稳的，反之非平稳。常见的时间序列多具有某种趋势，但很多序列通过差分可以平稳。如果原序列非平稳，经过d阶逐期差分后平稳。判断时间序列的趋势是否消除，只需要考察经过d阶差分后序列的自相关分析图，自相关系数是否具有平稳序列的性质，即很快趋于0。差分方法的缺点：虽然能消除某些序列的趋势而易于建模，但同时也消除了原序列的长期特征，会丢失某些信息。因此，实际的经济时间序列差分阶数d一般不超过2。总结纯