时间序列数据的平稳性检验.课件.pptVIP

第五章序列数据的平性1

本章要点§平性的定§平性的方法（ADF§回的定§整的定及方法（AEG方法）§差修正模型的含及表示形式2

第一随机程和平性原理§一、随机程§一般称依于参数t的随机量集合{}随机程。§例如，假察y，y…,y是来自无随12t机量序列…y,y,y,y,y…的一部分，-2-1012个无随机序列称随机程。3

§随机程中有一特殊情况叫白噪音，其定如下：如果随机程服从的分布不随，且（所有t）（所有t）（）那么，一随机程称白噪声。4

§二、平性原理§如果一个随机程的均和方差在程上都是常数，并且在任何两期的方差于期的距离或滞后，而不依于算个方差的，就称它平的。5

§平随机程的性：§均（所有t）（所有t）（所有t）§方差§方差§其中即滞后k的方差[或自(身)方差]，是和，也就是相隔k期的两之的方差。6

§三、回§将一个随机游走量（即非平数据）另一个随机游走量行回可能致荒的果，的著性将告知我量之的关系是不存在的。§有候序列的高度相关是因二者同随有向上或向下的，并没有真正的系。种情况就称“回”（SpuriousRegression）。7

第二平性的具体方法一、位根§（一）位根的基本原理§DavidDickey和WayneFuller的位根unitroottest）即迪基——富勒（DF），是在数据行平性中比常用到的一种方法。8

DF的基本思想：从考如下模型开始：（5.1）其中即前面提到的白噪音（零均、恒定方差、非自相关）的随机差。9

由式(5.1),我可以得到：(5.2)(5.3)…(5.4)10

§依次将式(5.4)…(5.3)(5.2)代入相的上式，并整理，可得：（5.5）根据的不同，可以分三种情况考：（1）若＜1，当T→∞，→0，即序列的冲将随着的推移其影响逐减弱，此序列是定的。11

§（2）若＞1，当T→∞，→∞，即序列的冲随着的推移其影响反而是逐增大的，很然，此序列是不定的。§（3）若=1，当T→∞，=1，即序列的冲随着的推移其影响是不的，很然，序列也是不定的。12

§于式（5.1），DF相当于其系数的著性，所建立的零假是：H：如果拒0零假，称Y没有位根，此Y是平的；tt如果不能拒零假，我就Y具有位根，t此Y被称随机游走序列（randomwalkseriest）是不定的。13

§方程（5.1）也可以表达成：（5.6）其中=-，是一差分运算因子。此的零假：H：=0。注意到如果不△0能拒H，=是一个平序列，即0一差分后是一个平序列，此我称一整程（integratedoforder1）序列，I(1)。14

§I(1)程在金融、序列数据中是最普遍的，而I(0)表示平序列。§从理与用的角度，DF的模型有如下的三个：（5.7）（5.8）（5.9）15

§其中t是量，在每一种形式中，建立的零假都是：H：或H：，即存在00一位根。（5.7）和另外两个回模型的差在于是否包含有常数（截距）和。如果差是自相关的，就把（5.9）修改如下：（5.10）16

§式（5.10）中增加了的滞后，建立在式（5.10）基上的DF又被称增广的DF（augmentedDickey-Fuller，ADF）。ADF量和DF量有同的近分布，使用相同的界。17

§（二）ADF模型的确定§首先，我来看如何判断模型是否含常数和。解决一的做法是：考察数据形§其次，我来看如何判断滞后数m。在中，常用的方法有两种：18

§（1）t种方法是首先一个大的m，然后用t确定系数是否著，如果是著的，滞后数m;如果不著，减少m直到的系数是著的。§（2）信息准。常用的信息准有AIC信息准、SC信息准，一般而言，我出了最小信息准的m19

§二、非平性数据的理§一般是通差分理来消除数据的不平性。即序列行差分，然后差分序列行回。于金融数据做一差分后，即由量数据率，一般会平。但我失量数据的期信息，而些信息分析又是必要的。就是通常我所的序列的两。20

第三整的概念和§一、整的概念和原理§有然两个量都是随机游走的，但它的某个形合却可能是平的。在种情况下，我两个量是整的。§比如：量X和Y是随机游走的，但量ttZ=X+Y可能是平的。在种情况下，我称tttX和Y是整的，其中称整参数（ttcointegratingparameter）。21

§什么会有整关系存在呢？§是因然很多金融、序列数据都是不平的，但它可能