时间序列分析课件.pptxVIP

第一章 绪论;第一节 时间序列分析的一般问题;一、时间序列的含义 1.从经济统计的角度讲：时间序列是某一个指标在不同的时间上的不同数值按时间先后顺序排成的序列。 从这个定义可看出时间序列由两个要素构成：一个是指标数值，一个是时间。 在实际中，我们遇到许多数据如GDP，失业人数统计，股票价格指数等都呈时间序列的形式。;我国近三年上证指数（2004年5月17日-2007年5月16日）;2.从概率统计意义上讲：时间序列是一组随机变量X(t)在一系列时刻t1,t2,t3 , ……. , tN(t1t2……tN)的一次样本实现xt1,xt2,……xtN. 从这个定义可看出，时间序列与通常统计分析不同，通常统计分析中总是对一个随机变量独立地观察多次，得到这个随机变量的多个实现，然后再去分析和研究。;3.从系统意义上讲：时间序列是某一系统在不同时间（条件）下的响应。 这个定义强调了时间序列中顺序的重要性，并且，这个顺序并不一定必须是时间顺序，它可以是代表速度，温度或其它递增取值的物理量。 例如：课本上所举的例子，将材料裂纹长度按所承受的压力周期排列，也是一个时间序列。见下页图;;二、时间序列的主要分类;1978-2006年全国财政收入与国内生产总值（单位：亿元）;2.按时间的连续性，可将时间序列分为离散性时间序列，连续性时间序列。 离散性时间序列：每一个序列所对应的时间参数为间断点。如人口总数序列，商品库存序列等。 连续时间序列：每一个序列所对应的时间参数为时间的连续函数。如GDP序列，产品产量序列等。 我们所研究的是离散性时间序列，对于连续性时间序列，可以采用等间隔采样使之化为离散序列。 ;3.按序列的统计特性分：平稳序列，非平稳序列。 平稳序列：时间序列的统计特性不随时间而变化。 非平稳序列：时间序列的统计特性随时间而变化。;如果序列是平稳的，它们在某一常数均值下达到平衡，并且偏离该均值波动的概率在任何时点上均是相同的，于是我们就可以用具有确定系数的方程将时间序列模型化。 如果序列是非平稳的，那么，用一个模型反映序列的过去和未来就会很困难。 在经济领域中，许多时间序列都不是平稳序列，如GDP序列。尽管对非平稳过程建模比较困难，但非平稳序列通常可以转化为平稳或近似平稳序列，并对平稳序列建模，这正是我们这门课程的主要内容。;香港恒生指数1990.1.1~1996.6.28各交易日数据;对香港恒生指数取一阶对数差分后趋势图;4.按时间序列分布规律分：高斯型时间序列，非高斯型时间序列。 高斯型时间序列：服从正态分布的时间序列。 非高斯型时间序列：不服从正态分布的时间序列。 我们研究的通常是服从正态分布的时间序列，即高斯型时间序列。;三、时间序列分析;时间序列分析方法就其发展的历史阶段和使用的方法来看，有传统的确定性时间序列分析方法和现代的随机时间序列分析方法。 时间序列分析的主要方法可归纳如下：;确定性时间序列分析方法将时间序列看作主要是由长期趋势（T）、季节变动（S）、循环变动（C）和随机变动（I）综合作用的结果。 确定性时间序列分析就是设法消除随机型波动，拟合确定性趋势，因而形成了长期趋势分析、季节变动分析、循环变动测定等一系列确定性时间序列分析方法。;确定型趋势虽然控制着时间序列的 本样式，但毕竟不是时间序列变动的全貌，另一方面，用随机理论来考察，许多偶然因素共同作用的随机型波动，其实也并非杂乱无章，而有一定的规律性，人们根据随机理论对随机时间序列进行分析，就叫随机时间分析。 随机时间序列分析方法与传统的确定性时间序列分析方法相比，具有独特的优点。;虽然，确定型时间序列分析方法不反映时间序列的随机性质，也无法达到随机序列模型所能达到的预测精度，但它仍是一个简单和相当可接受的预测手段，许多确定型时间序列分析方法一直是经济预测的标准工具。因此随机型时间序列分析不能完全取代确定型时间序列分析。;（二）、时间序列分析方法与其它统计分析方法（回归分析）的主要区别 1.时间序列分析方法明确强调变量值顺序的重要性，而其它统计分析方法则不必如此。 2 .时间序列各观察值之间存在一定的依存关系，而其它统计分析一般要求每一变量各自独立;3 .时间序列分析根据序列自身的变化规律来预测未来，而其它统计分析则根据某一变量与其它变量间的因果关系来预测该变量的未来。 4 .时间序列是 一组随机变量的一次样本实现，而其它统计分析的样本值一般是对同一随机变量进行N次独立重复实验的结果。 5.二者建模思路不同：;（三）应用时间序列分析方法的重要性 与回归分析方法相比较，有时应用时间序列分析方法显得很有必要： 1 .很多情况下，很难或不可能用变量间的因果关系来说明某一变量的变化。 2 .即使能估计出一个有关变量的令人满意的回归方程，其结果也可能不能用于预测。;（四）时间序