《时间序列分析》PPT课件（全）.pptx

时间序列分析基础涂云东时间序列分析基础时间序列数据概述时间序列基本概念时间序列基本模型时间序列预测方法案例分析：投资组合涂云东时间序列数据概述数据类型数据可视化数据来源数据特征数据预处理涂云东数据类型横截面数据：同一时间点（或者时间范围内），多个个体（国家、地区、机构或者个人）某一个或多个特征的观测数据。北京大学2020级新生入学时的身高数据集等。时间序列数据：同一个体的一个或者多个特征在一系列的时间观测点上的数据。我国上证指数从2000年1月到2021年1月的月收益率数据等。面板数据：多个个体的一个（或多个）特征在一系列的时间观测点上的数据集合。2001年到2020年全球所有国家和地区经济总量的数据等。涂云东数据可视化散点图：收入和消费时序图：消费者物价指数图：中国国民人均收入和人均消费，2002-2019，来源：万得信息图：中国消费者物价指数，2002-2020来源：中国国家统计局涂云东数据可视化季节图：航空旅客量密度图：股指回报率图：中国民用航空旅客量，2005-2019来源：中国国家统计局图：上证指数股指回报率的密度图来源：雅虎财经涂云东数据来源国家统计局：中国国家统计局 () 公布了我国大量宏观经济数据，如国民生产总值、消费者物价指数、进出口、货币供应量等。世界银行：世界银行公开数据库 () 列出了世界银行数据库的七千多个指标，可以按照国家、指标、专题和数据目录浏览数据。经合组织：经济合作与发展组织 () 汇编的统计数据涵盖34个成员国及选择的其他一些国家，既有这些国家的年度数据和历史数据，也包括主要经济指标数据，如经济产出、就业和通货膨胀等。国际货币基金：国际货币基金组织 () 拥有全球超过170个国家的货币金融数据。数据库：万得信息 ()、彭博咨询 ()、CEIC数据库 ()、雅虎财经 () 等收集了大量的各个行业数据。涂云东常见的数据特征涂云东平稳序列：通货膨胀率平稳序列的取值在一个较为固定的范围内，围绕着某一个水平值（均值）波动；数据波动的幅度（如一段时间内最大值和最小值的差）一般不随时间发生变化。 图：中国通货膨胀率，2002-2020来源:中国国家统计局涂云东非平稳序列：美国失业率不符合平稳序列特征的序列都是非平稳序列。非平稳序列一般会具有一个或多个下列特征：趋势性、跳跃（结构变化）、周期性、波动幅度随时间变化等。图：美国失业率，2000-2020来源:美国联邦储备理事会涂云东差分平稳序列：股价指数在非平稳序列中，有一类数据具有较强的趋势性，但经过简单的（对数）差分变换，即相邻两个数据（先取对数再）取差，得到的新的序列符合平稳序列的特征。这种类型的数据被称为差分平稳序列。图：上证指数和股指回报率，2016-2021来源:雅虎财经涂云东结构变化：中英汇率在非平稳序列中，有一类数据的取值在某一个时间点前后呈现出显著不同的特征，我们称之为结构变化。大量的宏观经济数据受到经济政治事件、政策变化、技术革新等影响，呈现出均值或方差跳跃、变量之间关系发生结构变化等特征。图：中英汇率，2016-2021来源:国际货币基金组织涂云东季节性：消费者价格指数大量的经济活动随着季节的变化而呈现出周期性的特点，例如农作物的生产、航空旅客量、用电量等。我国消费者物价指数在每年的春节（1月或者2月）达到最高，次高点是每年的9月，最低点是每年的7月。图：中国消费者物价指数的周期性，2002-2020来源:中国国家统计局涂云东协整：消费和收入非平稳时间序列之间是否会存在相对稳定的关系呢？消费和收入数据之间，展示出协同变化的均衡特征，即协整关系。事实上，大量的宏观经济学和金融学中的非平稳时间序列之间都存在着协整关系。图：中国国民人均消费和收入,1982-2019来源:万得信息涂云东波动率聚集：股指回报率市场的波动性（不确定性）也会呈现出相依性的特征，反映出市场不确定性在时间上的传导关系。股指回报率的方差较大的时候会持续一段时间，方差较小的时候也会持续一段时间。该特征被称为波动率聚集。图：上证指数股指回报率，2004-2020来源:雅虎财经涂云东数据预处理数据的预处理包括奇异值检测、缺失值填补、数据转换、和数据分解等。常见的数据转换包括Box-Cox变换。时间序列数据按照其构成的特征，可以分解为趋势性、季节性和波动性三个构成部分。常用的数据分解有X-13、ETS、STL等。见Box等（2015），Box和Tiao（1975），Chen和Liu（1993），Hyndman和Athanasopoulos（2018）等。 涂云东时间序列基本概念涂云东平稳性遍历性白噪声鞅差过程相依性度量长期协方差严平稳和弱平稳?严平稳 若时间序列的任一子集合 的概率分布函数和它的任一平移的概率分布函数相同, 则称该序列为严平稳序列。弱平稳 若时间序列满足（i）期望为