人民大金融计量学：基于R和PYTHON教学课件6.pptx

第二章 金融时间序列线性模型 学习目标熟悉时间序列的平稳性和单位根检验；掌握构建AR、MA、ARMA模型的基本思想和建模过程；了解季节模型和长记忆模型的基本步骤和建模过程；了解中国居民消费价格指数的波动规律，了解中国党和政府重视民生工程，保持物价稳定的决心和能力。 本章导读时间序列是指将某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而成的序列。时间序列的发展可以追溯到1927年Yule提出的AR模型和1937年Walker提出的MA模型及将两个模型合并得到的ARMA模型；随后标志性的事件包括1970年Box和Jenkins中提出的ARIMA模型, 1982年Engle提出的ARCH模型, 1985年Bollerslov针对多变量的情况提出的GARCH模型。时间序列分析的目的一般有两个方面：一是认识产生观测序列的随机机制，即建立数据生成模型；二是基于序列的已知数据，对未来的可能取值给出预测。目前，时间序列在金融数据分析中得到了广泛应用。本章将讲述时间序列数据模型的性质、识别、估计与预测，包括简单自回归模型（AR）、简单移动平均模型（MA）、自回归移动平均模型（ARMA）、自回归整合移动平均模型（ARIMA）、季节模型以及时间序列平稳性与单位根检验等。 2.1 相关性和平稳性2.2 简单自回归模型2.3 简单移动平均模型2.4 简单ARMA模型2.5 单位根非平稳时间序列2.6 季节模型组合风险测度2.7 长记忆时间序列模型专题2：基于ARIMA模型的中国居民消费价格指数预测目录CONTENTS 相关性和平稳性2.1 2.1.1 相关性? 2.1.1 相关性? 2.1.1 相关性? 2.1.1 相关性例2.1 股票相关性计算。图2-1是浦发银行股票和工商银行股票从2007年1月到2021年12月的月收益率的散点图。从其散点图中可看出，这两只股票收益率趋于正相关。之后分别计算这两只股票前面所述的三种相关系数，结果如下表2-1。相关系数种类Pearson相关系数Spearman相关系数Kendall相关系数指标数值0.66740.71930.5536图2-1 浦发银行股票月收益率对工商银行股票月收益率散点图表2-1 浦发银行和工商银行股票收益率相关性分析 2.1.1 相关性R代码 da=read.table(E://jrjl/Chapter2/pfyh.txt,header=T) x-da$gs y-da$pf plot(x,y,xlab=工商银行月收益率,ylab=浦发银行月收益率) cor(x,y,method = pearson) #计算皮尔逊相关系数 cor(x,y,method = spearman) #计算斯皮尔曼相关系数 cor(x,y,method = kendall) #计算肯德尔相关系数 2.1.2 平稳性? 2.1.2 平稳性? 2.1.2 平稳性? 2.1.2 平稳性? 2.1.2 平稳性? 2.1.2 平稳性? 2.1.2 平稳性?图2-2 收益率序列时序图和序列的ACF图 2.1.2 平稳性R代码 d=read.table(E://jrjl/Chapter2/szzz.txt,header=T) sse- ts(d$IdxMonRet, start=c(1991, 1), frequency=12) plot(sse,xlab=年份,ylab=月收益率, main=上证综指月收益率) acf(d$IdxMonRet,lag=24,main=上证综指月收益率) 2.1.2 平稳性?图2-3 工商银行的月简单收益率和对数收益率的自相关函数图 2.1.2 平稳性R代码 d=read.table(E://jrjl/Chapter2/gsyh.txt,header=T) #读取文件 da=d$gs gs-ts(da,start=c(2007, 1),frequency=12) lngs=log(gs+1) #收益率取对数 acf(da,main=工商银行月收益率) #简单收益率自相关图 acf(log(gs+1),main=工商银行对数月收益率) #对数收益率自相关图 Box.test(gs,lag=5,type=Ljung) #简单收益率的自相关检验 Box.test(gs,lag=10,type=Ljung) Box.test(lngs,lag=5,type=Ljung) #