时间序列分析-东北师范大学经济学院.ppt

古扎拉蒂 第827页 1 Granger 因果关系 当 成立时，称无从 到 的因果关系，主要是考虑一个变量对另一个变量的精度预测有无改善 马尔科夫区制转移模型 门限自回归模型 平滑转移模型 结构突变模型 频域方向发展 3.时间序列模型的建模思路 3.1 Box-Jenkins式的建模手法 3.2 自相关与偏自相关的统计检验 3.3 模型的设定 3.4 模型的诊断检验 3.5 以信息法则为基础的模型选择(AIC, BIC等) 对数据差分以获取平稳序列 试探性建立模型 估计上述模型的参数 对模型的充分性进行诊断检验 No Yes 使用该模型进行预测与控制 4.1 非平稳的处理方法 4. 2季节性的处理:SARIMA 模型 改写上述模型为 当 时候，就是前面的没有漂移项的随机游走过程，称之为单位根过程，它是非平稳过程的一种情形 ，因为方差不是常数 之所以称为单位根是因为， 因此，单位根过程，非平稳过程和随机游走过程，在这里是同义 当 时候，就是平稳过程 趋势平稳和差分平稳过程 情形一、纯随机游走过程 称之为，差分平稳过程 情形二、带漂移项的随机游走过程 改写成如下形式 这意味着 将展示出正的 ，或者负的 的趋势项这种趋势称为随机趋势 确定性趋势 Deterministic Trend 如果 为什么平稳性是那么重要 分别利用两个数据生成过程产生数据500个，则用Y 对X 回归有如下结论 检验平稳性 对前面GDP检验结果 前面三个检验单位根的方法都是假设残差没有序列相关，那么存在自相关时候，怎么检验 例子 单位根过程是一种更为一般的积分过程(Integrated process)的特例 无漂移项的随机游走通过一阶差分之后可以变成平稳序列，称之为一阶单整过程,记为I(1)。 如果需要进行两次差分之后才能得到平稳，则称为二阶单整I(2)，而平稳序列也可以称之为0阶单整纪委I(0). 我们已经知道用一个单位根过程向另一个单位根过程做回归，可能出现虚假回归的结果。假定如前面的图给出那样PCE 个人消费支出 PDI 个人可支配收入，如果你检验一下就会知道他们是非平稳I(1)过程，假定你做了如下回归 假定进一步对残差的分析结果表明其实I(0)的。这是一非常有意思的结果，因为PCE 和PDI 分别都是I(1)的随机趋势过程，但是它们的线性组合是平稳的。 如果你把消费和收入数据整理完成，然后用收入-消费，你得到的储蓄竟然是平稳的。 因此，前面的回归是有意义的，时间序列分析称这种情形为两个变量具有协整关系 cointegration 从经济意义来看，如果两个经济变量之间存在着长期的均衡关系，则它们具有协整关系。 经济理论经常被表示成均衡项的形式，如费歇尔货币需求方程 m.v=p.Y(名义总收入) 时间序列分析中提出了许多检验协整关系的方法，其中最简单的是 利用ADF检验非平稳回归得到的残差是否平稳；格兰杰两步法（例子PP. 823） 刚才的例子中，我们知道PCE和PDI 之间具有长期的均衡关系。当然，它们之间短期可能会偏离均衡位置，因此，我们可以把前面的误差项看成对均衡位置的偏离，我们还可以把PCE的短期行为与长期均衡建立联系。 误差修正模型正好就是阐述了这么一种机制 一个非常重要的定理——格兰杰表示定理 就阐述了如果两个变量间具有协整关系，则两个变量之间的关系可以表示成ECM. 还记得前面的协整回归吗？ 而在联立方程组里面与之对应的是考虑变量的外生性概念，对计量经济模型的政策模拟的有效性可以提供信息。因此，事先的因果检验对于联立方程组具有重要意义，严密地说，是预先步骤。 时序列可以直接检验经济理论，不仅仅是事前的检验和补充，其本身可以检验经济理论 70年代 卢卡斯与萨金特 提出的宏观经济学的理性预期，以及商业周期循环理论的均值回归，金融市场的有效性以及货币中性理论都可以用时间序列模型进行检验 代表例子， 数据的季节性调整，历史悠久，现在仍然用，想法， t期的数据 加法模型 乘法模型 因此，季节性调整就是除去 数据解析最近的热点是非平稳特征趋势项 的处理方法，到底是用加法还是乘法，主要是经验，关于趋势的解释提出了许多检验