非平稳时间序列的向量误差修正模型.docxVIP

非平稳时间序列的向量误差修正模型

一、非平稳时间序列的核心特征与建模困境

（一）非平稳时间序列的基本内涵与现实表现

时间序列的平稳性是传统计量建模的核心前提之一，平稳序列的均值、方差、自协方差等统计特征不随时间推移发生系统性变化，序列围绕固定的均值水平上下波动。而非平稳时间序列则不满足这一假设，其统计特征会随时间变化产生持续性偏移，最常见的类型是存在随机趋势的单整序列，即序列本身不平稳，但经过一次或多次差分后可以转化为平稳序列，差分的次数即为单整的阶数。除此之外，还有一类围绕确定性趋势波动的趋势平稳序列，剔除固定趋势项后即可恢复平稳，但这类序列本质上仍属于平稳过程的变体，并非真正意义上的非平稳序列（高铁梅，2009）。

现实中大量的宏观经济、金融、社会领域的观测序列都呈现出非平稳特征，比如持续增长的国内生产总值、波动上升的居民消费价格指数、长期趋势性上涨的核心资产价格等，这些序列往往没有固定的均值水平，会随着时间推移呈现出持续上升或下降的趋势。这类非平稳序列的产生往往源于经济系统的累积性冲击，比如技术进步、人口结构变化、政策调整等因素的长期影响，使得序列的运行趋势不断发生变化，无法用平稳过程的统计规律进行描述。

（二）传统平稳序列模型的应用局限

早期的多变量时间序列分析以向量自回归模型为核心工具，该模型通过对每个变量的滞后项进行回归，捕捉变量之间的动态关联关系，但这一模型的有效应用