时间序列分析讲义-第01章-差分方程
第一讲 时间序列分析
一、时间序列的含义
例1、国际航线旅客客票数.图1给出某国 际航空公司1949—1960年间客票月总数 (单位:千张)的时间序列曲线.直观上看, 每年有一次大的峰值和一次小的降值.并 且逐年不断增加。
一、时间序列的含义
例2,图2是我国铁路客流员的统计曲线,记录 了1971—1981年客票月总数.从铁路客流量的 时间序列曲线上可见,每年都有一次较大的峰 值,大约是在1、2月份,也就是每年的春节前 后有一次最大的峰值.
例如,对河流水位的测量。其中每一时 刻的水位值都是一个随机变量。如果以 一年的水位纪录作为实验结果,便得到 一个水位关于时间的函数xt。这个水位函 数是预先不可确知的。只有通过测量才 能得到。而在每年中同一时刻的水位纪 录是不相同的。
随机过程:由随机变量组成的一个有序序列称 为随机过程,记为{x (s, t) , sS , tT }。其中S 表示样本空间,T表示序数集。对于每一个 t, tT, x (·, t ) 是样本空间S中的一个随机变量。 对于每一个 s, sS , x (s, ·) 是随机过程在序数集 T中的一次实现。
80 60 40
20
Trend-cy cle for SA LE
S from SEA SO N, MO D_1
0
Seas factors fo r SA L
-20
JAN 1S9E9P01M9A90YJ1A9N911S9E9P21M9A92YJ1A9N931S9E9P41M9A9Y4J1A9N951S9E9P61M9A96YJ1A9N971S9E9P81M9A98YJ1A9N992S0E0P02M0A00YJ2A0N012S0E0P220E0S2 from SEA S ON, MOD_
下面的图2表示了去掉季节成分,只有 趋势和误差成分的序列的一条曲线。 图3用两条曲线分别描绘了纯趋势成分 和纯季节成分。图4用两条曲线分别描 绘了纯趋势成分和纯误差成分。这些 图直观地描述了对于带有几种成分的 时间序列的分解。
(整理)时间序列分析讲义__第01章_差分方程.
第一章 差分方程差分方程是连续时间情形下微分方程的特例。
差分方程及其求解是时间序列方法的基础,也是分析时间序列动态属性的基本方法。
经济时间序列或者金融时间序列方法主要处理具有随机项的差分方程的求解问题,因此,确定性差分方程理论是我们首先需要了解的重要内容。
§1.1 一阶差分方程假设利用变量t y 表示随着时间变量t 变化的某种事件的属性或者结构,则t y 便是在时间t 可以观测到的数据。
假设t y 受到前期取值1-t y 和其他外生变量t w 的影响,并满足下述方程:t t t w y y ++=-110φφ (1.1)在上述方程当中,由于t y 仅线性地依赖前一个时间间隔自身的取值1-t y ,因此称具有这种结构的方程为一阶线性差分方程。
如果变量t w 是确定性变量,则此方程是确定性差分方程;如果变量t w 是随机变量,则此方程是随机差分方程。
在下面的分析中,我们假设t w 是确定性变量。
例1.1 货币需求函数 假设实际货币余额、实际收入、银行储蓄利率和商业票据利率的对数变量分别表示为t m 、t I 、bt r 和ct r ,则可以估计出美国货币需求函数为:ct bt t t t r r I m m 019.0045.019.072.027.01--++=-上述方程便是关于t m 的一阶线性差分方程。
可以通过此方程的求解和结构分析,判断其他外生变量变化对货币需求的动态影响。
1.1.1 差分方程求解:递归替代法差分方程求解就是将方程变量表示为外生变量及其初值的函数形式,可以通过以前的数据计算出方程变量的当前值。
由于方程结构对于每一个时间点都是成立的,因此可以将(1.1)表示为多个方程:0=t :01100w y y ++=-φφ 1=t :10101w y y ++=φφt t =:t t t w y y ++=-110φφ依次进行叠代可以得到:1011211010110101)()1()(w w y w w y y ++++=++++=--φφφφφφφφ0111122113121102)1(w w w y y φφφφφφφ++++++=-i ti i t t i it w y y ∑∑=-=++=011110φφφφ (1.2)上述表达式(1.2)便是差分方程(1.1)的解,可以通过代入方程进行验证。
精选时间序列分析时间序列讲解讲义
§1.2 平稳序列
一· 平稳序列
定义 如果时间序列 {X t} {X t : t N满}足
(1) 对任何的
t
N,
EX
2 t
(2) 对任何的 t N , EX t
(3) 对任何的 t, s N , E[( X t )( X s )] ts
就称是 X平t 稳时间序列,简称时间序列。称实数 为 的{自 t协} 方差X函t 数。
a则j 称 是绝对可{a和j}的。
j
对于绝对可和的实数列
,{a{定Xj}{义tX}零t}均值白噪声 的无穷{滑t动} 和
如下 X t a j t j ,t ,Z则 是{X平t}稳序列。下面说明 是
j
{X t}
平稳序列。
由 Schwarz不等式得到
E[ a jt j ] a j E t j a j
j0
k
q
0, k q
{ X t }平稳
第三十七页,共74页。
例:X t t 0.36 * t1 0.85 * t2 , t ~ WN (0,22 )
第三十八页,共74页。
概率极限定理:
定理 (单调收敛定理) 如果非负随机变量序列单调不减: 0 1 2
lim 则当 n ,a时s ,有 E
{St }
3. 随机项估计即为
方法一:分段趋势法
1 趋势项(年平均)
第五页,共74页。
减去趋势项后,所得数据 {Xt Tˆt}
第六页,共74页。
2、季节项 {Sˆt}
第七页,共74页。
3.随机项的估计 Rˆt xt Tˆt Sˆt ,t 1,2,,24.
第八页,共74页。
方法二:回归直线法
当 0, 2 称1为标准白噪声。
时间序列分析(第一章、第二章)2PPT课件
精选
单摆的120个观测值(a=-1.25):
12
x 10 3
2
10Biblioteka -1-2-3
-4 0
20
40
60
80
100
120
精选
精选
(2.1)平稳解
精选
精选
习题2.1(因果性)
精选
概念
精选
精选
精选
精选
精选
精选
精选
精选
精选
定理2.1的证明
精选
精选
Wold系数的递推公式
精选
通解与平稳解的关系
80
100
120
精选
单摆的120个观测值(a=-0.85):
8
6
4
2
0
-2
-4
-6
-8
0
20
40
60
80
100
120
精选
单摆的10000个观测值(a=1):
100 80 60 40 20 0 -20 -40 -60 -80 0
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
精选
Levinson递推公式
精选
精选
偏相关系数
精选
AR序列的偏相关系数
精选
精选
AR序列的充分必要条件
精选
定理4.3的证明(1)
精选
定理4.3的证明(2)
精选
定理4.3的证明(3)
精选
精选
定理4.3的证明(4)
精选
精选
本节内容的应用意义
精选
精选
§例5.1 AR(1)序列
时间序列分析课件讲义共85页
时间序列分析课件讲义
11、获得的成功越大,就越令人高兴 。野心 是使人 勤奋的 原因, 节制使 人枯萎 。 12、不问收获,只问耕耘。如同种树 ,先有 根茎, 再有枝 叶,尔 后花实 ,好好 劳动, 不要想 太多, 那样只 会使人 胆孝懒 惰,因 为不实 践,甚 至不接 触社会 ,难道 你是野 人。(名 言网) 13、不怕,不悔地为每一个人祝福 。我爱 自己, 我用清 洁与节 制来珍 惜我的 身体, 我用智 慧和知 识充实 我的头 脑。 15、这世上的一切都借希望而完成。 农夫不 会播下 一粒玉 米,如 果他不 曾希望 它长成 种籽; 单身汉 不会娶 妻,如 果他不 曾希望 有小孩 ;商人 或手艺 人不会 工作, 如果他 不曾希 望因此 而有收 益。-- 马钉路 德。
1、最灵繁的人也看不见自己的背脊。——非洲 2、最困难的事情就是认识自己。——希腊 3、有勇气承担命运这才是英雄好汉。——黑塞 4、与肝胆人共事,无字句处读书。——周恩来 5、阅读使人充实,会谈使人敏捷,写作使人精确。——培根
时间序列分析课件讲义
3.5E+09 3.0E+09 2.5E+09 2.0E+09 1.5E+09 1.0E+09
5.0E+08 99:01 99:07 00:01 00:07 01:01 01:07 02:01 02:07
Y
8
单变量时间序列分析
趋势模型
确定型趋势模型
平滑模型 季节模型
水平模型
加法模型
9
乘法模型
ARMA模型 ARIMA模型 (G)ARCH类模型
42
(2)ADF检验 DF检验只对存在一阶自相关的序列适用。 ADF检验 适用于存在高阶滞后相关的序列。 y = y t 1 + t
表述为
y t = y t 1 + t
t
存在高阶滞后相关的序列,经过处理可以表述为 y t = y t 1 + 1yt 1+ 2yt 2 + ....... + p1yt p1 + t 上式中,检验假设为
34
特别地,若 其中,{ t }为独立同分布,且E( t ) = 0,
D( t )
2 = <
yt= y t 1+ t
t = 1,2,......
,则{
(random waik process) 。可以看出,随机游动过程是 单位根过程的一个特例。
yt }为一随机游动过程
(2) 季节差分
3. 随机性
23
(四)ARMA模型及其改进 1. 自回归模型 AR(p) 模型的一般形式
( B) yt
=
et
AR (p) 序列的自相关和偏自相关 rk :拖尾性 k :截尾性
哈密尔顿的时间序列分析第1章_差分方程
时间序列分析---汉密尔顿(1994)第一章 差分方程1.1一阶差分方程-1t =+w t t y y φ (1.1.1)例子:戈德费尔德(1973)估计的美国货币需求函数:t ct :I ::r :t m bt 公众持有真实货币的对数总真实收入的对数银行账户利率的对数商业票据利率的对数r-1t bt ct =0.27+0.72+0.19I -0.045r -0.019r t t m m (1.1.2) 这相当于:t =,=0.72,=0.27+0.19-0.045-0.019t t t bt ct y m w I r r φ且有在第1和第2章的讨论中,输入变量{}12,,......w w 将简单的视为一个确定性数值的序列。
递归替代法解差分方程0 0-10=+w y y φ (1.1.3) 1 101=+w y y φ (1.1.4) 2 212=+w y y φ (1.1.5) 。
t t-1t =+w t y y φ (1.1.6)因此有:2101-101-101=+w =(+w )+w =+w +w y y y y φφφφφ232212-1012-1012=+w =(+w +w )+w =+w +w +w y y y y φφφφφφφ。
+1t t-1t-2-1012t-1t =+w +w +w +......+w +w t t y y φφφφφ (1.1.7)另一个解的形式为:t-1t-2t-30123t-1t =+w +w +w +......+w +w tt y y φφφφφ这个过程被称作用递归替代法解差分方程动态乘子0/=t t y w φ∂∂ (1.1.8)如果动态模拟从t 期开始,则有:+1j j-1j-2+t-1t t+1t+2t+j-1t+j =+w +w +w +......+w +w j t j y y φφφφφ (1.1.9) 因此有: /=j t j t y w φ+∂∂在戈德费尔德(1973)估计的美国货币需求函数的例子中:2222/=(/)(/)(/)(0.72)(0.19)0.098t t t t t t t t m I m w w I w I φ++∂∂∂∂∂∂=⨯∂∂== 总结:(1)如果01φ<<,方程稳定(2)如果1φ>,方程不稳定(3)如果1φ=,则有+t-1t t+1t+2t+j-1t+j =+w +w +w +......+w +w t j y y (1.1.11)在金融和财务中的一个应用:我们可能对于w 对未来y 的值流的现值感兴趣。
差分方程的概念与定义
差分方程的概念与定义差分方程是一种描述离散时间变量之间关系的数学方程,它在许多领域中发挥着重要作用,如物理学、经济学、生物学和工程学等。
差分方程的研究不仅有助于了解系统的动态行为,还可以预测未来的趋势和进行系统的控制和优化。
差分方程的定义可以理解为,给定一个递推序列{x_n},其中n表示时间的离散变量,差分方程描述了序列中相邻两个时间点的关系。
一般来说,差分方程可以表示为:x_{n+1}=f(n,x_n)其中x_{n+1}表示下一个时间点的值,f(n,x_n)是一个给定的函数,描述了当前时间点和上一个时间点之间的关系。
这个函数可以是线性的、非线性的、离散的或连续的,具体取决于问题的特性和所研究系统的动态行为。
差分方程有两种常见的形式:一阶差分方程和高阶差分方程。
一阶差分方程是指只涉及到一个变量的差分方程,通常可以表示为:x_{n+1}=f(n,x_n)这种形式的差分方程描述了序列中每个时间点的值如何由前一个时间点的值计算而得。
高阶差分方程涉及到多个变量,可以表示为:x_{n+k}=f(n,x_n,x_{n-1},...,x_{n-k+1})这种形式的差分方程描述了序列中每个时间点的值如何由前面k个时间点的值计算而得。
高阶差分方程通常用于描述更复杂的系统,其中多个变量之间存在相互作用和依赖关系。
差分方程的解可以通过迭代和递推来获得。
给定一个初始条件x_0,根据差分方程的定义,我们可以通过递推计算出序列中的其他时间点的值。
这种递推计算可以用来分析系统的长期行为和稳定性,预测未来的发展趋势,并进行系统的控制和优化。
差分方程是离散时间系统的重要数学工具,它可以描述和分析许多实际问题。
例如,在经济学中,差分方程可以用来描述经济变量之间的关系,如消费、投资和就业等。
在物理学中,差分方程可以用来描述粒子在离散时间点上的位置和速度的变化。
在生物学中,差分方程可以用来描述种群数量的变化和生物进化等现象。
总之,差分方程的概念与定义为我们研究和理解离散时间系统的动态行为提供了重要的数学工具。
时间序列分析讲义 第01章 差分方程
第一章 差分方程差分方程是连续时间情形下微分方程的特例。
差分方程及其求解是时间序列方法的基础,也是分析时间序列动态属性的基本方法。
经济时间序列或者金融时间序列方法主要处理具有随机项的差分方程的求解问题,因此,确定性差分方程理论是我们首先需要了解的重要内容。
§1.1 一阶差分方程假设利用变量t y 表示随着时间变量t 变化的某种事件的属性或者结构,则t y 便是在时间t 可以观测到的数据。
假设t y 受到前期取值1-t y 和其他外生变量t w 的影响,并满足下述方程:t t t w y y ++=-110φφ (1.1)在上述方程当中,由于t y 仅线性地依赖前一个时间间隔自身的取值1-t y ,因此称具有这种结构的方程为一阶线性差分方程。
如果变量t w 是确定性变量,则此方程是确定性差分方程;如果变量t w 是随机变量,则此方程是随机差分方程。
在下面的分析中,我们假设t w 是确定性变量。
例1.1 货币需求函数 假设实际货币余额、实际收入、银行储蓄利率和商业票据利率的对数变量分别表示为t m 、t I 、bt r 和ct r ,则可以估计出美国货币需求函数为:ct bt t t t r r I m m 019.0045.019.072.027.01--++=-上述方程便是关于t m 的一阶线性差分方程。
可以通过此方程的求解和结构分析,判断其他外生变量变化对货币需求的动态影响。
1.1.1 差分方程求解:递归替代法差分方程求解就是将方程变量表示为外生变量及其初值的函数形式,可以通过以前的数据计算出方程变量的当前值。
由于方程结构对于每一个时间点都是成立的,因此可以将(1.1)表示为多个方程:0=t :01100w y y ++=-φφ1=t :10101w y y ++=φφt t =:tt t w y y ++=-110φφ依次进行叠代可以得到:1011211010110101)()1()(w w y w w y y ++++=++++=--φφφφφφφφ0111122113121102)1(w w w y y φφφφφφφ++++++=-i ti i t t i i t w y y ∑∑=-=++=0111010φφφφ (1.2)上述表达式(1.2)便是差分方程(1.1)的解,可以通过代入方程进行验证。
噶米时间序列分析讲义__第01章_差分方程
第一章 差分方程差分方程是连续时间情形下微分方程的特例。
差分方程及其求解是时间序列方法的基础,也是分析时间序列动态属性的基本方法。
经济时间序列或者金融时间序列方法主要处理具有随机项的差分方程的求解问题,因此,确定性差分方程理论是我们首先需要了解的重要内容。
§1.1 一阶差分方程假设利用变量t y 表示随着时间变量t 变化的某种事件的属性或者结构,则t y 便是在时间t 可以观测到的数据。
假设t y 受到前期取值1-t y 和其他外生变量t w 的影响,并满足下述方程:t t t w y y ++=-110φφ (1.1)在上述方程当中,由于t y 仅线性地依赖前一个时间间隔自身的取值1-t y ,因此称具有这种结构的方程为一阶线性差分方程。
如果变量t w 是确定性变量,则此方程是确定性差分方程;如果变量t w 是随机变量,则此方程是随机差分方程。
在下面的分析中,我们假设t w 是确定性变量。
例1.1 货币需求函数 假设实际货币余额、实际收入、银行储蓄利率和商业票据利率的对数变量分别表示为t m 、t I 、bt r 和ct r ,则可以估计出美国货币需求函数为:ct bt t t t r r I m m 019.0045.019.072.027.01--++=-上述方程便是关于t m 的一阶线性差分方程。
可以通过此方程的求解和结构分析,判断其他外生变量变化对货币需求的动态影响。
1.1.1 差分方程求解:递归替代法差分方程求解就是将方程变量表示为外生变量及其初值的函数形式,可以通过以前的数据计算出方程变量的当前值。
由于方程结构对于每一个时间点都是成立的,因此可以将(1.1)表示为多个方程:0=t :01100w y y ++=-φφ 1=t :10101w y y ++=φφt t =:t t t w y y ++=-110φφ依次进行叠代可以得到:1011211010110101)()1()(w w y w w y y ++++=++++=--φφφφφφφφ0111122113121102)1(w w w y y φφφφφφφ++++++=-i ti i t t i it w y y ∑∑=-=++=011110φφφφ (1.2)上述表达式(1.2)便是差分方程(1.1)的解,可以通过代入方程进行验证。
计量经济学:平稳时间序列分析-差分方程与延迟算子
y1 的递归解法 y0 y1 0 y1 y0 1
y2 y1 2 yt yt 1 t
得到
yt t 1 y1 t 0 t 11 t 1 t
p 1 p 0 0 0 0 , 1 0 t 0 Vt 0 0
yt y t 1 t yt 2 yt p 1
(i k )
p
, ,
1 2 p
是矩阵F的相异特征根。
当 i 1, i 1,2, p 时,系统
yt 1 yt 1 2 yt 2 p yt p t
是稳定的。
特别,具有相异特征值的二阶差分方程的解
yt 1 yt 1 2 yt 2 t
写成矩阵形式
yt 1 2 3 y t 1 1 0 0 yt 2 0 1 0 yt p 1 0 0 0
令
p 1 p yt 1 t y 0 0 0 t 2 0 0 yt 3 0 1 0 yt p 0
2、具有重复特征根的p阶差分方程的通解
利用约当分解
F MJM
J1 0 J 0 0 0
1
J2
i 0 0 0 , 其中J 0 i 0 Js 0
1
i
0 0 0
0 1
0 0
i 0
1
1
t
21
第1章应用时间序列分析—差分方程(东北财经大学)汇编
应用时间序列分析---现代时间序列分析的最新方法王雪标东北财经大学数学与数量经济学院第一章 差分方程统计程序主要是用来处理从独立试验或调查而得到的数据:,1,2,,i x i n =。
与顺序无关。
一个时间序列是按照时间参数而排列的数值序列。
如,每月失业人数,每年GDP ,…,等等。
对一些序列来说,在每时刻都可做观测,并得到一列数据。
这时称为连续时间序列,记()x t 。
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。
这样形成离散时间序列,记t x 。
一个观测到的序列t x 可看作是一个随机过程的实现。
在统计学中我们主要分析来自总体的样本,而在时间序列分析中我们主要分析来自随机过程的观测序列(实现)。
时间序列分析的基本目的是对随机过程的基本特征、性质做推断。
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,对经济现象进行解释、假设检验和预测。
在分析中的第一步通常是形成一个统计量。
最终目的是利用数据构造模型,这个模型与随机过程的生成机制有类似的性质。
因此他们建立了一系列分析方法,将序列分解为趋势性部分、季节性部分、周期性部分和不规则性部分。
趋势性方程:10.1t T t =+ 季节性方程: 1.6sin(6)t S t π= 无规则性方程:10.7t t t I I ε-=+t ε为t 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变量t ε的函数。
时间序列分析主要处理、估计含有随机元素的差分方程。
估计单个序列或向量(包含许多相关的序列)的一些性质。
含有随机元素的差分方程通常假设有下面形式:t 处值=1t -处值的期望+误差项误差项通常取为白噪声序列。
如果将1t -处值的期望取为1t -期值的固定比例,这时就是一阶自回归。
01随机过程与差分方程
9
二、时间序列模型
例2:凯恩斯宏观经济模型
yt ct it
ct yt1 ct
0 1
it (ct ct1) it 0
其中yt ,ct ,it分别表示t期的实际GDP,消费和投 资。
1200
由随机游走过程产生时间序列
50
100
150
200
深圳股票综合指数
250
300
5
一、随机过程与时间序列 ②随机游走(Random Walk)过程
定义: yt = yt-1 + ut,其中ut是白噪声过程 yt的均值和方差分别为:
E( yt ) E(ut ut1 L ) 0
A(
/ )0
得:
A
p0
ab
1
i0
(
/
)i ti
将其代入通解,得:
pt
ab
1
i0
(
/
)i ti
t
p0
ab
21
三、差分方程及其解法
系统稳定性和乘数
由pt的通解可以看出,价格pt序列的连续取值将围 绕长期均衡上下波动。
注意理解差分算子和滞后算子的性质
Lkyt = yt-k
yt = yt - yt-1 = (yt - yt-1) – (yt-1 - yt-2) = yt - 2yt-1+ yt-2 yt = (1- L)2yt = (1 – 2L + L2)yt = yt - 2yt-1+ yt-2
时间序列分析讲义(1)
时间序列分析第二章 时间序列分析第二节 时间序列模型一、 线性时间序列模型的分类 1. 自回归(AR )过程 AR(1)过程tu t X t X +-+=110φφ, ),0(~2σWN t u , Z t ∈。
(i) 当且仅当11<φ时因果,此时有唯一传递形式∑∞=-+-=01110j j t u jt X φφφ。
(ii) 当11>φ时平稳而不因果,有唯一形式∑∞=+---=11110j j t ujt X φφφ。
(iii) 当11=φ时必定不平稳,称为随机游走。
特别当还有00≠φ时,称为带漂移的随机游走。
由于有)0()1100()(φφt X E u t u t u t X E t X E +=++-+++= , 2]2)11[()(σt u t u t u E t X Var =++-+= 。
由于方差不为常数,所以序列不平稳。
(iv) 当11-=φ时必定不平稳。
实际上,)0()12221220()2(X E u u t u t u t u X E t X E =-+--+--+= ,22]2)1222122[()2(σt u u t u t u t u E t X Var =-+--+--= ; )0(0)12221200()12(X E u u t u t u X E t XE -=+-+---+-=-φφ , 2)12(]2)122212[()12(σ-=+-+---=-t u u t u t u E t X Var 。
不论t 是奇数还是偶数,都有2)(σt tX Var =。
由于方差不为常数,所以序列不平稳。
补充命题 一元p 次方程 011)(=---=Φpx px x φφ (其中0≠p φ)的p 个(复)根都在单位圆1||=z 以外的(1) 必要条件是11<∑=pj jφ且1||<p φ。
(2) 一个充分条件是11||<∑=pj j φ。
时间序列分析1xlx
无偏的远期利率(UFR)假说认为: 投机行为的期望利润为零。 远期、现期汇率有下面关系:
st 1 ft t 1
(1.6)
23
这里 t 1 有零均值。
2013-8-17
一、时间序列及其模型
在(1.6)中,t 期的远期汇率是 t+1 期现期汇率的无偏估计。 因此,假如你收集到了这两种数据,并估计了回归方程
i yt y0 0 1 t i t 1 i 0 i 1 i 0 t 1 t 1
此式表明,过去的事件对yt有持久性的影响,而且 其影响是越来越大。这一般不太符合现实。 特别当|υ1|=1, 系统可能存在某种趋势
yt at (1 0.1)at 1 (1 0.1 0.5)at 2 (1 0.1 0.5 0.3)at 3 at 0.9at 1 0.4at 2 0.1at 3
MA
某淘宝店铺受到双11影响的销售量
42 40 38 36 34 32 30 28 26 10 20 30 40 50 X 60 70 80 90 100
20
4、几个例子
(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 或 yt 1 t 1 yt 1 yt t 1 这里 yt 在 t 天一份股票的价格, t 1 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
yt 1 0 1 yt t 1
赌徒t时刻的资产也符合这个模型
第章差分方程
xt iti i0
其中,t 为常数(某些可取零),序列 t 不是 yt 的函数。
于是,可以认为 { t }只不过是一个未取定外生变量的序列。
令 0 1, 1 2 0 ,则得到自回归方程
yt a0 a1 yt1 a2 yt2 an ytn t
令 n 1, a0 0, a1 1 ,则得到随机游走模型
考虑初始条件 y0已知的一阶差分方程
a. 向前迭代
yt a0 a1 yt1 t
y1 a0 a1 y0 1
(1.17)
y2 a0 a1 y1 2 a0 a1(a0 a1 y0 1) 2 a0 a0a1 a12 y0 a11 2
y3 a0 a1 y2 3 a0 a1(a0 a0a1 a12 y0 a11 2 ) 3
类似地,可以定义 n 阶差分 (n )。
记号: 为了方便,通常将整个序列 {, yt2 , yt1, yt , yt1, yt2 ,} 表示成 {yt}。
II. 差分方程的形式
考虑 n 阶常系数线性差分方程,其一般形式可以表 示为
n
yt a0 ai yti xt i1
(1.10)
其中,xt 项称为推动过程,其形式非常广泛,可以是时 间、其它变量的当期值或滞后值,和(或)随机干扰项 的任一函数。{xt} 的一个重要特例是
究时间序列的一个重要方法。
III. 差分方程的解
差分方程的解是将未知项 yt 表示为序列{xt}中的元素和t (也可以和序列 { yt }的一些给定值,即初始条件)的一 个已知函数,使得代入到差分方程之中,满足方程式。
例1: yt 2 或 yt yt1 2
易知,yt 2t c 是该差分方程的解。这里,c为任意 常数。因此,其解有很多或不唯一。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
从而可以得到二阶乘子为:
注意到上述变量均是对数形式,因此实际上货币需求相对于两个阶段以前收入的弹性系数,这意味着收入增长1%,将会导致两个阶段以后货币需求增加0.098%,其弹性是比较微弱的。
定义1.1在一阶线性差分方程中,下述乘子系列称为 相对于外生扰动 的反应函数:
, (1.5)
显然上述反应函数是一个几何级数,其收敛性依赖于参数 的取值。
(1.7)
当 时,对上式取极限,并将其识为扰动所产生的持久影响:
(1.8)
例1.3货币需求的长期收入弹性在例1.1中我们已经获得了货币的短期需求函数,从中可以求出货币需求的长期收入弹性为:
这说明收入增加1%最终将导致货币需求增加0.68%,这是收入对于货币需求反馈的持久影响效果。
如果换一个角度考察扰动的影响,那么我们需要分析一个单位的外生扰动对于 以后路径的累积影响,这时可以将这种累积影响表示为:
(1.9)
由此可见,如果能够估计出差分方程中的系数,并且了解差分方程解的结构,则可以对经济变量进行稳定性的动态分析。另外,我们也发现,内生变量对外生变量反应函数的性质比较敏感地依赖差分方程中的系数。
§1.2 阶差分方程
如果在方程当中允许 依赖它的 阶前期值和输入变量,则可以得到下述 阶线性差分方程(将常数项归纳到外生变量当中):
(1.10)
为了方便起见,将上述差分方程表示成为矩阵形式:
(1.11)
其中:
, ,
其实在方程(1.11)所表示的方程系统当中,只有第一个方程是差分方程(1.10),而其余方程均是定义方程:
,
将 阶差分方程表示成为矩阵形式的好处在于,它可以进行比较方便的叠代处理,同时可以更方便地进行稳定性分析。另外,差分方程的系数都体现在矩阵F的第一行上。
(1)当 时,反应函数是单调收敛的;
(2)当 时,反应函数是震荡收敛的;
(3)当 时,反应函数是单调扩张的;
(4)当 时,反应函数是震荡扩张的;
可以归纳描述反应函数对于参数的依赖性:当 时,反应函数是收敛的;当 时,反应函数是发散的。
一个特殊情形是 的情形,这时扰动将形成持续的单一影响,即 的一个单位变化将导致其后任何时间 的一个单位变化:
第一章差分方程
差分方程是连续时间情形下微分方程的特例。差分方程及其求解是时间序列方法的基础,也是分析时间序列动态属性的基本方法。经济时间序列或者金融时间序列方法主要处理具有随机项的差分方程的求解问题,因此,确定性差分方程理论是我们首先需要了解的重要内容。
§1.1一阶差分方程
假设利用变量 表示随着时间变量 变化的某种事件的属性或者结构,则 便是在时间 可以观测到的数据。假设 受到前期取值 和其他外生变量 的影响,并满足下述方程:
:
:
:
依次进行叠代可以得到:
方程(1.1)的解,可以通过代入方程进行验证。上述通过叠代将 表示为前期变量和初始值的形式,从中可以看出 对这些变量取值的依赖性和动态变化过程。
差分方程的动态分析:动态乘子(dynamic multiplier)
在差分方程的解当中,可以分析外生变量,例如 的变化对 阶段以后的 的影响。假设初始值 和 不受到影响,则有:
根据定义,矩阵 的特征根是满足下述的 值:
(1.16)
一般情况下,可以根据行列式的性质,将行列式方程转换为代数方程。
例1.5在二阶差分方程当中,特征方程为:
具体可以求解出两个特征根为:
, (1.17)
上述特征根的表达式在讨论二阶线性差分方程解的稳定性时,我们还要反复用到。
距阵 的特征根与 阶差分方程表达式之间的联系可以由下述命题给出:
命题1.1距阵 的特征根满足下述方程,此方程也称为 阶线性差分方程的特征方程:
(1.1)
在上述方程当中,由于 仅线性地依赖前一个时间间隔自身的取值 ,因此称具有这种结构的方程为一阶线性差分方程。如果变量 是确定性变量,则此方程是确定性差分方程;如果变量 是随机变量,则此方程是随机差分方程。在下面的分析中,我们假设 是确定性变量。
例1.1货币需求函数假设实际货币余额、实际收入、银行储蓄利率和商业票据利率的对数变量分别表示为 、 、 和 ,则可以估计出美国货币需求函数为:
进行向前叠代,可以得到差分方程的矩阵解为:
(1.12)
利用 表示矩阵 中第 行、第 列元素,则方程系统(1.12)中的第一个方程可以表示为:
(1.13)
需要注意,在 阶差分方程的解中需要知道 个初值: ,以及从时刻 开始时的所有外生变量的当前和历史数据: 。
由于差分方程的解具有时间上的平移性,因此可以将上述方程(1.12)表示为:
上述方程便是关于 的一阶线性差分方程。可以通过此方程的求解和结构分析,判断其他外生变量变化对货币需求的动态影响。
1.1.1差分方程求解:递归替代法
差分方程求解就是将方程变量表示为外生变量及其初值的函数形式,可以通过以前的数据计算出方程变量的当前值。
由于方程结构对于每一个时间点都是成立的,因此可以将(1.1)表示为多个方程:
(1.14)
类似地,表示成为单方程形式:
(1.15)
利用上述表达式,可以得到 阶差分方程的动态反应乘子为:
,
由此可见,动态反应乘子主要由矩阵 的首个元素确定。
例1.4在 阶差分方程中,可以得到一次乘子为:
二次乘子为:
虽然可以进一步通过叠代的方法求出更高阶的反应乘子,但是利用矩阵特征根表示则更为方便,主要能够更为方便地求出矩阵 的首个位置的元素。
(1.3)
类似地,可以在解的表达式中进行计算,得到:
(1.4)
上述乘子仅仅依赖参数 和时间间隔 ,并不依赖观测值的具体时间阶段,这一点在任何差分方程中都是适用的。
例1.2货币需求的收入乘子在我们获得的货币需求函数当中,可以计算当期收入一个单位的变化,对两个阶段以后货币需求的影响,即:
利用差分方程解的具体系数,可以得到:
,
为了分析乘子的持久作用,假设时间序列 的现值贴现系数为 ,则未来所有时间的 流贴现到现在的总值为:
(1.6)
如果 发生一个单位的变化,而 不变,那么所产生的对于上述贴现量的影响为边际导数:
,
上述分析的是外生变量的暂时扰动,如果 发生一个单位的变化,而且其后的 也都发生一个单位的变化,这意味着变化是持久的。这时持久扰动对于 时刻的 的影响乘数是: