应用时间序列分析-全套PPT课件.pptx

;;;表1 中国1979----2017年国内生产总值GDP（单位：亿元）年度时间序列表;表1.2 上海股票市场2016.11—2017.12综合指数周收盘时间序列表;时间序列具有的几个的特点 ;时间序列的分类 ;时间序列分析所讨论的内容，就是对观察到的时间序列数据进行研究，分析时间序列的统计特征和依存关系，找出系统的内在发展规律，建立起能反映变量变化的动态模型，并将这种动态模型用于预测等应用领域。;二、时间序列分析的产生与发展;英国科学家沃克将序列相关分析方法运用于研究气象领域的厄尔尼诺-南半球摆动(ENSO)现象，并在Yule分析方法的基础上研究了衰减正弦的时间序列，得出了著名的Yule-Walker方程，奠定了时间序列分析的基础。 20世纪60年代,时间序列分析的理论和应用不断发展。1970年，统计学家G.E.P.Box和G.M.Jenkins在梳理、发展已有研究成果的基础上，联合出版了划时代的《时间序列分析：预测和控制》一书 。 ;20世纪70年代以后，时间序列分析的发展朝两个方向推进： 一是为了分析两个或几个平稳时间序列之间的相互关系而建立起向量自回归（VAR）建模方法； 二是为了分析非平稳时间序列而建立起自回归条件异方差（ARCH）模型、协整（Cointegration）与误差校正（ECM）模型。 Granger和Engle也因为他们在时间序列计量经济学领域的突出贡献而获得2003年诺贝尔经济学奖。 ;三、时间序列分析与经济预测;所谓预测，就是“鉴往知来”，就是通过对过去情况的分析，来研判未来的发展状况。 而经济预测则是根据经济发展过程的历史和现实，综合各方面的信息，运用定性和定量的分析方法，揭示经济运行的规律，并据此推断经济现象和经济过程未来发展的可能途径及结果。 ;为什么可以对经济现象进行预测？ 原因在于经济系统虽然很复杂，但其发展一般具有某种连贯性。 一是经济系统结构的连贯性。经济系统内经济变量间存在结构关系，而且这种结构关系在短期内是相对稳定的，即存在结构的连贯性。 另一种连贯性是经济变量变化在时间上的贯性。人的思维惯性、心理预期、社会制度约束、技术发展状况等各方面的因素，会引起经济现象出现前后的继起性，即时间序列的依存关系，这种相依关系会按照原有的惯性运行一段时间。 ;认识连贯性，找出经济现象的动态变化规律，就可以据此规律对未来做出预测。 上述两种惯性是经济预测中的主要依据。 前者是依据因果关系进行预测，这主要属于计量经济分析的范畴； ;时间序列预测是通过寻找变量动态数据的动态依存关系，并据此对未来的变化趋势和结果做出推断的统计方法。 1. 最简单的预测是幼稚预测。 2. 另一种预测方法是确定性时间序列分析方法。 3. 还有一种时间序列预测方法是随机型时间序列分析预测。 ; 经济预测方法在过去一个世纪，经历了几次起落。 20世纪20年代，各种经济预测方法应运而生。1929年的经济大危机，预测的热潮冷落下来。 二次世界大战后，现代经济预测的热潮又逐渐高涨起来，以时间序列分析为基础和以计量经济模型为基础的预测方法取得了快速发展，许多预测模型和方法是在20世纪60、70年代发展起来的. 20世纪70年代，西方国家发生石油危机后，原有经济预测方法的失灵。经济预测的新思想、新学派、新方法不断涌现。;四、时间序列分析与计量经济学的关系;2. 使用样本数据方面：计量经济分析既可以使用截面数据 又可以使用时间序列数据，而时间序列分析面对的数据只能是时间序列数据。 3. 研究经济现象方面：经典的计量经济方法主要研究多变量之间的关系，而经典的时间序列分析方法是研究单变量自身动态规律 。 随着相关理论和应用的拓展，这两类方法出现了相互交融的态势，在计量经济学中，大量引入时间序列分析方法并加以深化和拓展，从而形成了时间序列计量经济学这一新的交叉分支。 ; 第二节 时间序列分析的一些基本概念; 定义：若对于每一特定的t（t∈T，T为一参数指标集），Yt为一随机变量，则称这一族随机变量｛ Yt ｝为一个随机过程。 连续型随机过程：若T为一连续集，则｛ Yt ｝为一连续型随机过程。 离散型随机过程：若T为离散集合，则｛ Yt ｝为离散型随机过程。 离散型（时间指标集）随机过程通常称为随机序列（随机型时间序列）。;研究随机现象的动态统计特征，需要取得随机过程的“样本”。 对于每一t0∈T,Yt0为一随机变量，它可取某一状态值，由于Yt为一随机过程，在T中的每一时刻都有一个取值，这一串取值形成的｛Yt｝一个样本，称之为｛Yt｝的实现或轨迹或样本路径。 时间序列是一类