《第9平稳时间序列分析-第9演示教学》由会员分享，可在线阅读，更多相关《第9平稳时间序列分析-第9演示教学（78页珍藏版）》请在金锄头文库上搜索。
1、第9章,平稳时间序列分析,平稳时间序列分析,9.1时间序列的概念9.2时间序列模型9.2.1白噪声序列9.2.2自回归模型9.2.3移动平均模型9.2.4自回归模型转化为移动平均模型9.3自回归模型的平稳性和相关函数9.3.1自回归模型的平稳性9.3.2自回归模型的自相关函数,平稳时间序列分析,9.4自回归模型定阶和估计9.4.1自回归模型定阶9.4.2自回归模型估计9.4.3自回归模型再定阶信息准则9.5自回归分布滞后模型9.5.1自回归分布滞后模型9.5.2格兰杰因果关系检验9.6ARCH模型9.6.1ARCH模型的定义9.6.2ARCH模型估计重要概念,9.1时间序列的概念,设时点处的观
2、测为随机变量，这些随机变量形成一个时间序列，记为或者，的一组具体取值称为时间序列的实现值（realization）。自相关函数（ACF:AutoCorrelationfunction）,9.1时间序列的概念,严平稳：时间序列中任意一组随机变量的联合分布不随时间发生变化，即对任意一组时间点和时间间隔，的联合分布与的联合分布相同，称严平稳。二阶矩存在的严平稳时间序列一定宽平稳，宽平稳的时间序列不一定严平稳，本书只讨论宽平稳，将宽平稳时间序列简称为平稳时间序列。,9.1时间序列的概念,若为平稳时间序列，则：（1）（2）满足大数定律，因此分别是、和的一致估计。,9.1时间序列的概念,表示的阶滞后，用滞
3、后算符表示为例如用滞后算符多项式表示为：,9.2时间序列模型,9.2.1白噪声序列9.2.2自回归模型9.2.3移动平均模型9.2.4自回归模型转化为移动平均模型,9.2时间序列模型,9.2.1白噪声序列定义2（白噪声）：如果时间序列满足：（1），（2）对任意，和不相关，即称为白噪声序列，简称白噪声(whitenoise)。是平稳时间序列的极端例子。,9.2时间序列模型,9.2.2自回归模型一阶自回归模型AR(1)，为白噪声除了常数项以外，在时刻的值由前定项（predeterminedterm）和与前期值不相关的新息（innovation）组成。阶自回归模型AR(k),9.2时间序列模型,9.
4、2.2自回归模型模型，150个样本的时序图：,9.2时间序列模型,9.2.3移动平均模型对一阶自回归模型进行递推：当时，,9.2时间序列模型,9.2.3移动平均模型取有限项，上式即为阶移动平均模型。,9.2时间序列模型,9.2.4自回归模型转化为移动平均模型由于在上述一阶自回归模型两边同乘,9.2时间序列模型,9.2.4自回归模型转化为移动平均模型可以转化为移动平均模型的自回归模型称为可逆的（invertible）。从上面推导可以看出，一阶自回归模型可逆的条件是。实际上，自回归模型的可逆条件，是滞后多项式的根在单位圆外。滞后多项式即：,9.3自回归模型的平稳性和相关函数,9.3.1自回归模型的
5、平稳性9.3.2自回归模型的自相关函数,9.3自回归模型的平稳性和相关函数,9.3.1自回归模型的平稳性阶自回归模型：且为白噪声序列用滞后算子表达上式为：,9.3自回归模型的平稳性和相关函数,9.3.1自回归模型的平稳性结论1：自回归模型平稳的充分必要条件为：滞后多项式的根都在单位圆之外，即方程的根满足。其中为实根时表示绝对值，为虚根时表示虚数的模。,9.3自回归模型的平稳性和相关函数,9.3.1自回归模型的平稳性滞后多项式的单位根均在单位圆内，则时间序列平稳；若有根为1，则不平稳，此时称存在单位根。把模型是否平稳的检验称为单位根检验。,9.3自回归模型的平稳性和相关函数,9.3.1自回归模型
6、的平稳性例子9.1为平稳时间序列为非平稳时间序列,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数对阶自回归模型：且为白噪声序列若为平稳时间序列，则两边取期望，得代入原模型，整理可得零均值化的阶自回归模型：,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数重新将记为，即用表示原模型中的。此时，。后面的自回归模型都将采用这种零均值化后的模型。,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数AR(1)模型的自相关函数用表示变量的方差得出表示与的协方差,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数AR(1)模型的自
7、相关函数同理，则AR(1)的自相关函数为。,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数结论2：AR(1)模型的自相关函数（ACF）为平稳性要求，当时，即自相关系数随时间间隔增加指数递减到0，但不等于0。这种现象称为自回归模型自相关函数的拖尾性。,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数例子9.2,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数AR(2)模型的自相关函数当时,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数AR(2)模型的自相关函数由上式可解得,9.3自回归模型的平稳性和相关函数,9.
8、3.2自回归模型的自相关函数AR(2)模型的自相关函数结论2：AR(2)模型的自相关函数（ACF）为下面一行等式称为尤勒-沃尔克方程（Yule-Walkerequations）。,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数AR(2)模型的自相关函数例子9.3,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数AR(2)模型的偏自相关函数称为阶自回归模型的偏自相关系数（PAC：PartialAuto-Correlation）,9.3自回归模型的平稳性和相关函数,9.3.2自回归模型的自相关函数AR(2)模型的偏自相关函数AR(k)模型的偏相关函数为阶数
9、大于时，偏自相关系数为0，这种现象称为AR模型偏相关函数的截尾性。偏自相关系数是剔除对的影响后，和的相关系数。,9.4自回归模型的定阶和估计,9.4.1自回归模型定阶9.4.2自回归模型估计9.4.3自回归模型再定阶信息准则,9.4自回归模型的定阶和估计,9.4.1自回归模型定阶自回归模型的确立：确定阶数估计再次确定阶数的循环自相关函数用来确定采用自回归模型是否合适。如果自相关函数具有拖尾性，则AR模型为合适模型。偏自相关函数用来确定模型的阶数。如果从某个阶数之后，偏自相关函数的值都很接近0，则取相应的阶数作为模型阶数。,9.4自回归模型的定阶和估计,9.4.1自回归模型定阶例子9.3库存投资
10、模型定阶打开包含库存投资变量Invent的工作文件，在主菜单中点击QuickSeriesStatisticsCorrelogram,9.4自回归模型的定阶和估计,9.4.1自回归模型定阶例子9.3库存投资模型定阶在出现的对话框中输入序列（变量）名称，点击OK按钮，弹出的对话框（CorrelogramSpecification）中有对原数据（level），一阶差分后的数据（1stdifference），二阶差分后的数据（2nddifference）的选择，以及自回归包含多少滞后项（Lagstoinclude）。,9.4自回归模型的定阶和估计,9.4.1自回归模型定阶例子9.3库存投资模型定阶,9
11、.4自回归模型的定阶和估计,9.4.1自回归模型定阶例子9.3库存投资模型定阶点击OK后，将显示结果,9.4自回归模型的定阶和估计,9.4.1自回归模型定阶例子9.3库存投资模型定阶看自相关（Autocorrelation），发现有拖尾性，故可以选择自回归模型，看偏自相关（PartialCorrelation），发现有截尾现象：高于四阶的偏自相关均为0，故可以建立4阶自回归模型AR(4)。,9.4自回归模型的定阶和估计,9.4.2自回归模型估计,自回归模型估计,最小二乘估计AR(k)模型仍为线性模型，且误差项满足基本第4章的假设1假设4，故得出的估计仍然就有一致性和马尔科夫性。当样本量较大时，
12、采用滞后变量导致的回归样本减少对估计精度的影响不大。,自回归模型估计,极大似然估计假设误差项服从正态分布，可以用极大似然估计。故,自回归模型估计,极大似然估计对数似然函数为其最大化得出的估计与最小二乘估计一致。,自回归模型估计,EViews操作第一种方法：点击主菜单的QuickEstimateEquation，若按一般线性回归模型进行设定，则输入,自回归模型估计,EViews操作输出结果,自回归模型估计,EViews操作若按自回归模型进行设定，则输入注意：估计AR(4)时要将AR(1)到AR(4)全部写出。,自回归模型估计,EViews操作输出结果,自回归模型估计,EViews操作上述两种估计
13、方法仅截距项的估计不一样，原因是前者采用普通最小二乘法，后者采用约束最小二乘法。在用EViews估计时间序列模型时，应采用第二种设定方法。,自回归模型估计,EViews操作第二种方法：采用向量自回归VAR估计方法。点击主菜单的QuickEstimateVAR，点选VARType中的UnrestrictedVAR，在EndogenousVariables栏中输入变量名invent，在LagIntervalsforEndogenous栏中输入1234，在ExogenousVariables栏输入c：,自回归模型估计,EViews操作,自回归模型估计,EViews操作输出结果与普通最小二乘法一致,自
14、回归模型估计,脉冲响应函数脉冲响应是指处新息的变化对后续的影响。平稳AR模型可以转换为无穷阶的移动平均模型，设转换后的MA模型为的脉冲响应函数（IRF：impulseresponsefunction）定义为:,自回归模型估计,脉冲响应函数例子9.3（续）库存投资模型脉冲响应分析首先用VAR估计法估计AR模型，在输出结果界面，点击ViewImpulseResponse，弹出对话框,自回归模型估计,脉冲响应函数例子9.3（续）库存投资模型脉冲响应分析点选DisplayFormat下的CombinedGraph，在Impulse和Response中均填入invent，在Periods（最大滞后期）中
15、输入数字，点击确定输出结果如右：,9.4自回归模型的定阶和估计,9.4.3自回归模型的再定阶信息准则前面自回归模型的定阶是通过计算样本的自相关函数和偏自相关函数得出的，存在一定的偏差。信息准则也可以被用来确定阶数，常用的有赤池信息准则（AikaikeinfoCriterion）AIC和施瓦兹信息准则（SchwarzinfoCriterion）SC，最优阶数使得信息准则值最小。,9.4自回归模型的定阶和估计,9.4.3自回归模型的再定阶信息准则例子9.4信息准则定阶分别计算AR(1)到AR(5)的信息准则值,然后再比较，选出使得信息准则值最小的阶数AIC：-6.003716、-6.061554、
16、-6.069740、-6.047398、-6.032800SC：-5.864837、-5.893780、-5.872679、-5.820648、-5.775950故AIC建议选择3阶滞后，SC建议选择2阶滞后。,9.5自回归分布滞后模型,9.5.1自回归分布滞后模型9.5.2格兰杰因果关系检验,9.5自回归分布滞后模型,9.5.1自回归分布滞后模型ARDL(AutoRegressionDistributionLag)适应性预期模型（消费与收入的关系）,9.5自回归分布滞后模型,9.5.1自回归分布滞后模型ARDL(AutoRegressionDistributionLag)部分调整模型（宏观经济变量）,9.5自回归分布滞后模型,9.5.1自回归分布滞后模型例子9.5货币需求弗里德曼货币需求函数：取对数，货币需求部分调整货币需求的时间序列模型,9.5自回归分布滞后模型,9.5.2.格兰杰因果关系检验检验变量之间领先关系的方法:如果序列的信息对有显著解释能力，表明变量是的原因，这种关系称为格兰杰因果关系。检验（没有格兰杰因果关系）,9.5自回归分布滞后模型,9.5.2.格
