计量经济学本科经济金融专业第十章时间序列.pptx

第十章 时间序列模型;第一节 平稳时间序列及其检验 第二节 经济变量的协整 第三节 因果关系检验;第一节 平稳时间序列及其检验 ;非平稳时间序列与虚假回归;一、非平稳时间序列定义;t;平稳序列的特性;自相关函数的估计;平稳序列的判断;一类特殊的平稳序列 ——白噪声序列;白噪声过程的本质 目前时刻与过去时刻的值不相关，过去时刻对未来也没有任何有用的价值。“白”是因为它的谱与白光有相同的特点，它的普密度在所有的频率上都是常数。;白噪声的自相关函数 ;（一）自相关系数;平稳序列的判断;例子：;;（二）单位根——DF与ADF检验;通常把时间序列的非平稳性检验称为单位根检验 DF或ADF检验 假设H0: 非平稳 H1: 平稳 计算DF统计量 DFDfa 接受H0,非平稳序列 DFDfa 拒绝H0,平稳序列 ; David Dickey和Wayne Fuller的单位根检验（unit root test）即迪基——富勒（DF）检验，是在对数据进行平稳性检验中比较经常用到的一种方法。;从考虑如下模型开始：;由式(1),我们可以得到： ;依次将式(4)…(3)、(2)代入相邻的上式，并整理，可得：; ;对于式（1），DF检验相当于对其系数的显著性检验，所建立的零假设是： H0 ：　 ，非平稳 H1 ：　　　，平稳　　　　 如果拒绝零假设，则称Yt没有单位根，此时Yt是平稳的；如果不能拒绝零假设，我们就说Yt具有单位根，此时Yt被称为随机游走序列（random walk series）是不稳定的。 ; ;I (1)过程在金融、经济时间序列数据中是最普遍的，而I (0)则表示平稳时间序列。 从理论与应用的角度，DF检验的检验模型有如下的三个： ;其中t是时间或趋势变量，在每一种形式中，建立的零假设都是：H0： 或H0： ，即存在一单位根。（7 ）和另外两个回归模型的差别在于是否包含有常数（截距）和趋势项。如果误差项是自相关的，就把（9）修改如下：;式（10）中增加了 的滞后项，建立在式（10）基础上的DF检验又被称为增广的DF检验（augmented Dickey-Fuller，简记ADF）。ADF检验统计量和DF统计量有同样的渐近分布，使用相同的临界值。;首先，我们来看如何判断检验模型是否应该包含常数项和???间趋势项。解决这一问题的经验做法是：考察数据图形 其次，我们来看如何判断滞后项数m。在实证中，常用的方法有两种： ;（1）渐进t检验。该种方法是首先选择一个较大的m值，然后用t检验确定系数是否显著，如果是显著的，则选择滞后项数为m;如果不显著，则减少m直到对应的系数值是显著的。 （2）信息准则。常用的信息准则有AIC信息准则、SC信息准则，一般而言，我们选择给出了最小信息准则值的m值;三、非平稳性数据的处理 一般是通过差分处理来消除数据的不平稳性。即对时间序列进行差分，然后对差分序列进行回归。对于金融数据做一阶差分后，即由总量数据变为增长率，一般会平稳。但这样会让我们丢失总量数据的长期信息，而这些信息对分析问题来说又是必要的。这就是通常我们所说的时间序列检验的两难问题。;单整性：对于一个非平稳序列Xt，如果差分 D次后，可以变成一个平稳可逆的ARMA时间序列，而在差分D-1次后仍是非平稳的，则称该时间序列具有D阶单整性，记为Xt~I(d) 两个序列： 平稳序列 简单的非平稳序列 ;例 中国进出口序列，都是一阶单整变量 是一个平稳序列。;;第二节 经济变量的协整性;经济变量的协整性;误差修正模型;误差修正模型描述了经济变量的长期特征和短期特征,利用之进行预测,特别是中长期预测具有明显的优点;;Estimation Command: ===================== LS LOG(EX) C LOG(IM) Estimation Equation: ===================== LOG(EX) = C(1) + C(2)*LOG(IM) Substituted Coefficients: ===================== LOG(EX) = -0.011 + 1.002570662*LOG(IM) ;;短期波动影响：;第三节 格兰杰（Granger）因果检验;