第二章时间序列分析.pptVIP

时间序列的自协方差函数有以下性质： 对称性： 非负定性： 为对称非负定矩阵。 自相关函数同样也具有上述性质且有ρ(t,t)=1。 对任意正整数m和任意m个整数k1, k2,······km，方阵 平稳随机过程 严平稳： 如果对于时间t的任意n个值 和任意实数 ，随机过程 的n维分布满足关系式： 则称为严平稳过程。 宽平稳：若随机过程的均值（一阶矩）和协方差存在，且满足 则称为宽平稳随机过程。 严平稳与宽平稳的关系： 严平稳不等于宽平稳； 宽平稳不等于严平稳； 对于严平稳序列，如果其二阶距存在，其必为宽平稳，反之则一般不成立； 对于高斯序列，严平稳与宽平稳是等价的。 平稳时间序列自协方差函数和自相关函数 设平稳时间序列的均值为零，即 。 自协方差函数： 自相关函数： 平稳序列的自协方差函数有以下性质： 对称性： 非负定性： 为非负定矩阵。 自相关函数同样也具有上述性质。 m阶自协方差阵 有界性： 平稳序列的样本统计量 样本均值：时间序列无法获得多重实现，常用时间均值代替总体均值。 上式的估计是无偏的。 样本自协方差函数 第一式是有偏估计，第二式是无偏估计，但有效性不如第一式。 第一章 绪 论 通过本章的学习，理解时间序列的概念，特别是随机时间序列的概念，掌握时间序列的建立过程，掌握确定性时序分析方法，掌握随机过程的概念，深刻理解平稳性和白噪声。 第一节 时间序列分析的一般问题 时间序列的含义 时间序列是指被观察到的以时间为序排列的数据序列。 时间序列可以以表格的形式或图形的形式表现。 例： 上海180指数某时间段的变化 国际航运乘客资料（单位：千人） 1946—1970美国各季生产者耐用品支出（单位：十亿美元） 1952年—1994年我国社会消费品零售总额（单位：亿元） 时间序列分析的目的： (1)预测序列未来的发展方向。 (2)分析序列的基本趋势、季节和随机项的构成。 (3)分析待定的数据集合、模拟理论模型，尤其是建立数学模型，进而进行模型的结构分析和实证研究。 4.按序列的分布规律来分： 高斯型时间序列和非高斯型时间序列。 时间序列的主要分类： 1.按所研究的对象的多少分： 一元时间序列和多元时间序列。 2.按时间的连续性分： 离散时间序列和连续时间序列。 3.按序列的统计特性分： 平稳时间序列和非平稳时间序列。 第二节 时间序列的建立 我们把获取时间序列以及对其进行检查、整理和预处理等工作，称为时间序列的建立。 时间序列数据的采集 相应于时间的连续性，系统在不同的时刻上的响应常常是时间t的连续函数。为了数字计算处理上的方便，往往只按照一定的时间间隔对所研究系统的响应进行记录和观察，我们称之为采样。相应地把记录和观察时间间隔称为采样间隔。 通常采样采用等间隔采样。 离群点（Outlier） 离群点（Outlier）是指一个时间序列中，远离序列一般水平的极端大值和极端小值。 对时间序列离群点分析的方法，有时也被称作稳健估计（Robust Estimation），该方法最早由Box和Anderson于1955年提出。 ?1.离群点（Outlier）产生的原因： （1）采样误差； （2）系统各种偶然非正常因素影响。 2.离群点的数理描述： (1)它们是既定分布中的极端点（exteme point），它们虽与数据主体来自同一分布，但本身应以极小的概率出现； (2)这种点与数据集的主体并非采自同一分布，而是在采集数据过程中受到其他分布的“污染”，致使现有数据集掺入不应有的“杂质”。 3.离群点（Outlier）的类型： （1）加性离群点（Additive Outlier），造成这种离群点的干扰，只影响该干扰发生的那一个时刻T上的序列值，而不影响该时刻以后的序列值。 （2）更新离群点（Innovational Outlier），造成离群点的干扰不仅作用于XT，而且影响T时刻以后序列的所有观察值。 （3）水平移位离群点（Level Shift Outlier）,造成这种离群点的干扰是在某一时刻T，系统的结构发生了变化，并持续影响T时刻以后的所有行为，在数列上往往表现出T时刻前后的序列均值发生水平位移。 （4）暂时变更离群点(Temporary Change Outlier),造成这种离群点的干扰是在T时刻干扰发生时具有一定初始效应，以后随时间根据衰减因子的大小呈指数衰减。 （请大家观看四种离群点的演示试验） （1）直接进行剔除； （2）对数据模型进行修正处理分析。 4.离群点（Outlier）的处理方法： 缺损值（Missing value