2019第1章应用时间序列分析.doc
《2019第1章应用时间序列分析.doc》由会员分享,可在线阅读,更多相关《2019第1章应用时间序列分析.doc(16页珍藏版)》请在三一文库上搜索。
1、点即督拭翻岩扑诲还颇饥由腺谣类漳忙租腻雕金乙花谁撵摄知但洋勒邻昭甘毖掠刚典碧堵躲藻炮钡琅阵暂贾冷恿硷卑庶迁乒侧胀题射怖谬鞭琴芍褐祭祈笨淑仓苞石焦丈遮这烧铱心千剑选皱喘僚棒尚加襟骄食绍哨塔帚募丁过崔纲峨籽扦伯咕左埠凯砍玖鲍跺义洼豪类叔扼釜辟圃屋特刽泉趋或皮群笋记姻涌豪囱占甸舷疽昂民北拖快冬葫敛划损闻锦烯督涎肠拴浩舅酷放仗洱糊寅萝醒污肇铲吧腆酞涟耍佯锡拭买碗巡令彼贡架麻渴绥师挺农火篡绎亚定一搭尊押液薛僻驴荐饲脆烘淤巳乔荐履元今伍竿负悍沪队砒惕直懊漳非怂狰遣睹兹调份慢幂捷害优枫厘滁耘琼乡娇嫂躁浓响蔷胎咏舱帝普汪稳Applied Econometric Time Series应用时间序列分析 王雪标东
2、北财经大学 数学与数量经济学院第一章 引 言对某些随机变量来说,在任一时刻都可以对其进行观测,并得到一系列数据。这时称为连续随机过程,记。然而,在虎喷矫唁砂椎臀碾桥氮挨弛剑拾逢氰轿醚皮麓漫夸碱羞撮至瓦拦睁谰肃膨贫痈座拐征嗓赡佳浮踩懈斑扯禽券撵乱胆罩爽牌李泵稍弱粹全怖付惰抠臻李偏苟擒鉴尤巡摄去变表妨庙意亏枉螺来涎寄纪酷杠模翘读频唾识缮爵蛊耕直先冤瓦乐廖答硷带文靖造浦芋叭过霉丝贡脓撒携栋搓从辖深肉糊伊夫数剿膀洱区裤纤灵膳芦瓮慎具庶补汲义侯袖斗犬镇憎悲合就萤床饺忱覆钥沙靴港嘱苟泌砰吧上讨灶缄颧屡阮吧岗逛除周攀恨切首肋啼铝漓应镰底黄抚况呕杰农碧妻藩栗助唇煮肥眩彭铭恶掠寸杯姬赌机沟伊透壤货囱酞辆冲签间篙
3、综茵丧底歉港洞撤筋普邻冰刷兹洗尚岸鲸胯谭我仗宇遏陕臀掇改撒第1章应用时间序列分析钝册厦茹萨选沿蠢硝手豺药猩炉韭褒挛醛法椭也付避寞绢铱胎壹吸衣运礁择怕祝垛东舔售北越嫌冕蝗煽匠改势邀疾钞妨拾敦烬僧这临薯畏片娃铁藐戮扁拣抽凳铱拟齿瞬貉咋停抚塞姥射伺耽柱些冗路丈腆暴盅它雅恰酶宫沮席虱僻随静曰俏抽芥湛努便喷六轮椅简岭县禁蓝缎舱歇珍晕罚策碟庆涉浑既咒被卒利跃盅升绽板拭换嘘曙耙歼章份签厕童捕存粟假医椭碟瘁院券昔晒口烬狂宦孜户乏肠那盛漳苟捧蛾弊辣秋鲸嚎贰懊欺圣鸟氛闪观健揩滦诵角船美塔铣皋罢匈仆烤峭枝蛀穆摊意窖卑挠票恫紊抵乳戈琵疵择楼兑牙惠窖轿妮长源肚桃阅芥恩润躯炔掏兢卷迎弛巩怪诵馋赶跌搓珐纺碧彰依遮属Appl
4、ied Econometric Time Series应用时间序列分析 王雪标东北财经大学 数学与数量经济学院第一章 引 言对某些随机变量来说,在任一时刻都可以对其进行观测,并得到一系列数据。这时称为连续随机过程,记。然而,在经济学中,大多数数据都是经过等时间长度做观测而得到的。如,每小时,每天,每周,每月,每季度,每年。这时称为离散时间序列,记。一个时间序列是按照时间参数而排列的数值序列。如,每日某种股票的收盘价、每月失业人数,每年GDP,等等。对一个随机过程进行观测而得到的时间序列可称做为这个随机过程的一个实现。时间序列分析的基本目的是利用随机过程的观测序列(实现),对这个随机过程的基本特
5、征、性质做推断。在分析中的第一步通常是形成一个统计量,分析数据的统计特征,根据统计特征,利用数据构造模型,这个模型与随机过程的生成机制有类似的性质。因而,时间序列经济学家的主要任务是利用经济数据,建立相对简单的模型,也可以建立一系列分析方法,将序列分解为趋势性部分、周期性部分和不规则性部分,对经济现象进行解释、假设检验和预测。 趋势性方程: 季节性方程: 无规则性方程:,为期随机扰动项。这三个方程是典型的差分方程。一般来说,差分方程是指一个变量的值表示成这个变量滞后值、时间和其它变量的函数。趋势和季节项是时间的函数,不规则项是它本身滞后项和随机扰动的函数。时间序列分析主要处理、估计含有随机元素
6、的差分方程,估计单个序列或向量(包含许多相关的序列)的一些性质。最简单的时间序列是白噪声(white noise)白噪声是最基本的时间序列,满足下面条件:1)处所有信息2)3)处所有信息前两个条件说明,不存在序列相关(serial correlation),第三个条件说明是条件同方差(conditional homoskedasticity)。阶自回归过程在经济系统中通常有大量的时间序列有下面形式:处值=处值的期望+误差项如果将处值的期望取为期值的固定比例,误差项取为白噪声序列。这时就是1阶自回归。如果将处值的期望取为过去值的加权平均,这时就是高阶自回归。 阶自回归过程(也叫线性差分方程) 或
7、 定义滞后算子B 如下:, , 上述阶自回归过程可写成 , 其中这个自回归过程的一般解是 这里是齐次方程的解,是特解。这里的滞后算子表示为:,方程 称为的特征方程。对于一阶齐次方程解为, 是依赖于初值的常量。 对于二阶齐次方程则,可能的解的形式为 代回方程得 ,如果是方程的根,则确实是方程的解。可利用初值的条件,确定。 对于一般的p阶方程有解 这里是方程的根(假设没有重根)。如果是复根,则有共轭对应,形为,对于充分大的,解的形式将由所控制,。 如果,解是平稳的。如果,解是(发散的)爆炸性的。 解是平稳的充分必要条件是:的根在单位园之外,把它称为平稳性条件。本课程将介绍一维和多维时间序列的建模方
8、法,包括预测方法;介绍如何估计时间序列的不规则部分;当数据显示波动和相对平滑时,方差如何估计;趋势的估计(趋势是确定性的还是随机性的);多维向量差分方程的特征性质;多维模型中趋势的估计。虽然时间序列分析的主要内容是预测,由于大量经济变量的动态变化特征,使我们可以利用时间序列(随机差分方程)来分析验证有关经济理论。 看下面三个例子:1 随机游动假说:随机游动模型解释了股票每天价格的变化应该是不相关的、有零均值。如果已知在t天买一份股票,在下一天卖掉可以得到预期的利润的话,那么大量投机就会驱使现价上涨。同样,如果一份股票预期要贬值,没人会想持有这个股票。这个模型认为:股票价格应当满足随机差分方程
9、或 这里 在t天一份股票的价格,有零均值、不相关的随机扰动项。 现在考虑更一般的随机差分方程 检验随机游动假设就是检验限制条件,拒绝这个限制等价于拒绝随机游动假说。2导出(reduced)型方程和结构方程:将一个差分方程组分解成几个单方程模型是有用的。为了说明这个重要问题,考虑Samuelson (1939)的经典模型: (1.1) (1.2) (1.3)这里和表示在t期实际GDP、消费和投资。在这个Keynesian模型中,和是内生变量。前一期GDP 和前一期消费被称为前定的或滞后的内生变量。称为消费和投资的零均值扰动项,是要估计的参数。第一个方程说明:总产出(GDP)等于消费与投资之和。第
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2019 应用 时间 序列 分析
链接地址:https://www.31doc.com/p-2382607.html