非平稳时间序列模型.pptVIP

第五章 非平稳时间序列模型;引言：前面我们讨论的是平稳时间序列的建模和预测方法，即所讨论的时间序列都是宽平稳的。一个宽平稳的时间序列的均值和方差都是常数，并且它的协方差有时间上的不变性。 但是许多经济领域产生的时间序列都是非平稳的，非平稳时间序列会出现各种情形，如它们具有非常数的均值μt，或非常数的二阶矩，如非常数方差σt2，或同时具有这两种情形的非平稳序列。(长期趋势、季节性变化) ;例1;;③某地1987年至1996年某商品月销售量序列如图所示：;※ 非??稳过程;一 非平稳过程;非平稳时间序列不具有上述特性： （1）或者不具有常定的长期均值； （2）或者方差和自协方差不具有时间不变 性； （3）理论上，序列自相关函数不随滞后阶数的增加而衰减.;考虑如下例子：;2、从图像特征看 （1）平稳过程的时序图没有明显的趋势性与周期性：序列的振动是短暂的，经过一段时间以后，振动的影响会消失，序列将会回到其长期均值水平；在不同时刻或时段，序列偏离均值的程度基本相同. 非平稳过程可观察出明显的趋势性与周期性.; ;;（2）平稳过程的ACF与PACF呈指数（或阻尼正弦波）衰减或截尾. 非平稳过程的ACF一般呈线性缓慢衰减，PACF一般呈截尾.;;3、 从建模要求看 平稳序列具有许多优良性质，一般可满足建模的各种要求， 诸如参数估计、模型检验等，传统方法均能获得良好效果. 非平稳序列，因不满足若干统计分析方法的基本假定，传统方法不再适用.;（二） 均值非平稳过程;;☆ 思路 将非平稳过程的均值函数用一个时间的确定性函数来描述. ☆ 模型表达式;＊数字特征; 此外，均值函数还可能是指数函数、正弦—余弦波函数等，这些模型都可以通过标准的回归分析处理。处理方法是先拟合出μt的具体形式，然后对残差序列yt={xt－ μt}按平稳过程进行分析和建模。; ☆ 趋势平稳过程 若一均值非平稳过程可由模型（1）刻画，则称此过程为趋势平稳过程. ＊趋势平稳过程由确定性时间趋势所主 导； ＊对于趋势平稳过程，应选用退势的方法获得平稳过程； ＊趋势平稳过程的差分过程是过度差分过程；;;随机趋势模型; 可见我们所能分析处理的仅是一些特殊的非平稳序列，即齐次非平稳序列。;例2 对于过程 从其参数的不同取值范围讨论过程的属性.;（1） 对过程进行一阶差分后，为平稳序列——称该过程为差分平稳过程； （2）辅助方程 ，令 ，得 ，有一单位根，该过程又称为单位根过程 . （3）对 不断向后迭代，可得 ;;随机趋势非平稳序列 ;◆对于差分平稳过程，每个随机冲击都具有长记忆性，方差趋于无穷，从而其均值毫无意义.;退势平稳序列;对数的中国国民收入序列，近似于随机趋势非平稳序列和退势平稳序列. ;中国人口序列，近似于确定性趋势非平稳序列 .;;二、 非平稳性的检验;（一）通过时间序列的趋势图来判断;（二）通过自相关函数(ACF)判断;单位根检验;DF检验;第一种形式;第二种形式;第三种形式;ADF检验;关于ADF（DF）检验的两点说明;三 ARIMA模型;;;3、ARIMA模型的性质;ARIMA模型的方差齐性;（二）特殊ARIMA模型;（三） 单整序列;★ 无论经过多少次差分，都不能变为平稳的时间序列. 称为非单整的（non-integrated）； ★ I(0)过程与I(1)过程的特性有本质差别.;四 ARIMA 模型的建立;ARIMA模型建模步骤;差分阶数的判定 ※ 数据背景 ※ 数据图 ※ ACF、PACF识别法 ※ 差分序列的平稳性检验法 ; 注;★ （李子奈）现实经济生活中: 1) 只有少数经济指标的时间序列表现为平稳的，如利率等; 2) 大多数指标的时间序列是非平稳的，如一些价格指数常常是2阶单整的，以不变价格表示的消费额、收入等常表现为1阶单整； 3) 大多数非平稳的时间序列一般可通过一次或多次差分的形式变为平稳的.;五 疏系数模型;如果只是自回归部分有缺省系数，那么该疏系数模型可以简记为 为非零自回归系数的阶数 如果只是移动平均部分有缺省系数，那么该疏系数模型可以简记为 为非零移动平均系数的阶数 如果自相关和移动平滑部分都有缺省，可以简记为 ;5.2 季节模型;; 周期点 周期;（二）季节时间序列的特征 重要特征表现为周期性：在一个序列中，如果经过S个时间间隔后观测点呈现出相似性——该序列具有以S为周期的周期特性。 ;二 季节时间