第一章 时间序列分析简介知识讲解
合集下载
相关主题
- 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)。
量、同方差场合的线性模型
10
完善阶段
前述AR模型、 MA模型、ARMA模型、以及ARIMA模型现在被称为经典的 时间序列分析方法。随着更加深入的研究，人们发现经典模型在理论和 应用上还存在局限性，在持续不断的研究的推动下，近20年来时间序列 分析方法在多变量、异方差、非线性等方面取得了许多突破性的进展。
异方差场合 Robert F.Engle，1982年，ARCH模型 Bollerslov，1985年GARCH模型 Nelson等，EGARCH,IGARCH,GARCH-M等模型 他们比传统的方差齐性模型更好的刻画了金融市场的风险，因此这 些模型广泛应用于计量经济研究领域，Engle因此获得2003年的诺贝 尔经济学奖
12
8
基础阶段
G.U.Yule
1927年，AR模型
G.T.Walker
1931年，MA模型，ARMA模型
9
核心阶段
G.E.P.Box和 G.M.Jenkins
1970年，出版《Time Series Analysis Forecasting and Control》
提出ARIMA模型（Box—Jenkins 模型） Box—Jenkins模型实际上是主要运用于单变
3
1.3 时间序列分析方法
ห้องสมุดไป่ตู้ 描述性时序分析 统计时序分析
频域分析方法 时域分析方法
5
描述性时序分析案例
德国业余天文学家施瓦尔发现太阳黑子的活动具有11年左右的周期
6
统计时序分析--频域分析方法
原理
假设任何一种无趋势的时间序列都可以分解成若干不同频率 的周期波动
发展过程
早期借助富里埃分析从频率角度揭示时间序列的规律 后来借助傅里叶变换，用正弦、余弦项之和来逼近某个函数 20世纪60年代，引入最大熵谱估计理论，克服了传统谱分析
事件的发展通常都具有一定的惯性，这种惯性用统 计的语言来描述就是序列值之间存在着一定的相关 关系，这种相关关系往往具有某种统计规律。
目的
寻找出序列值之间相关关系的统计规律，并拟合出 适当的数学模型来描述这种规律，进而利用这个拟 合模型预测序列未来的走势
特点
理论基础扎实，操作步骤规范，分析结果易于解释， 是时间序列分析的主流方法。本课程主要介绍时间 序列的时域分析方法。
多变量场合 C.Granger ，1987年，提出了协整（co-integration）理论，并因此 与Engle一起获得2003年的诺贝尔经济学奖。
非线性场合 汤家豪等，1980年，门限自回归模型
11
1.4 时间序列分析软件
常用软件 S-plus，Matlab，Gauss，TSP，R语言，EViews 和SAS
SAS：在SAS系统中有一个专门进行计量经济与时间序列分 析的模块：SAS/ETS。SAS/ETS编程语言简洁，输出功能强 大，分析结果精确，是进行时间序列分析与预测的理想的 软件。
EViews：EVIEWS是由经济学家开发的并大多在经济领域应 用 。EVIEWS是在大型计算机的TSP (Time Series Processor) 软件包基础上发展起来的新版本，是处理时间 序列数据的有效工具，1981年Micro TSP面世，1994年QMS (Quantitative Micro Software) 公司在Micro TSP基础上直接 开发成功EVIEWS并投入使用。
2
1.1 引言
所谓时间序列，即是随时间变化的，具有随机性的动 态数据序列。
举例来说，1950年—2008年我国人口的年度数据， 1991年1季度—2009年2季度我国GDP的季度数据，1991 年1月—2009年8月太阳黑子的月度数据等等，都是时 间序列数据。
时间序列分析是用概率论与数理统计方法去研究时间 序列的性质这样一门科学理论。
分辨率不高和频率泄露等缺点，进入现代谱分析阶段
特点
非常有用的动态数据分析方法，但由于分析方法复杂，结果 抽象，有一定的使用局限性。主要应用于电力工程、信息工 程、物理学、天文学、海洋学、气象科学等自然科学领域。 在经济研究领域中常用来研究时间序列的周期波动性质。
7
统计时序分析--时域分析方法
原理
《应用时间序列分析》
参考书目
应用计量经济学：时间序列分析[Applied Econometric Time Series]，沃尔特·恩 德斯[Walter Enders]，高等教育出版社 （译本）。
时间序列分析[Time Series Analysis]，汉 密尔顿[James D. Hamilton]，中国社会 科学出版社（译本） 。
10
完善阶段
前述AR模型、 MA模型、ARMA模型、以及ARIMA模型现在被称为经典的 时间序列分析方法。随着更加深入的研究，人们发现经典模型在理论和 应用上还存在局限性，在持续不断的研究的推动下，近20年来时间序列 分析方法在多变量、异方差、非线性等方面取得了许多突破性的进展。
异方差场合 Robert F.Engle，1982年，ARCH模型 Bollerslov，1985年GARCH模型 Nelson等，EGARCH,IGARCH,GARCH-M等模型 他们比传统的方差齐性模型更好的刻画了金融市场的风险，因此这 些模型广泛应用于计量经济研究领域，Engle因此获得2003年的诺贝 尔经济学奖
12
8
基础阶段
G.U.Yule
1927年，AR模型
G.T.Walker
1931年，MA模型，ARMA模型
9
核心阶段
G.E.P.Box和 G.M.Jenkins
1970年，出版《Time Series Analysis Forecasting and Control》
提出ARIMA模型（Box—Jenkins 模型） Box—Jenkins模型实际上是主要运用于单变
3
1.3 时间序列分析方法
ห้องสมุดไป่ตู้ 描述性时序分析 统计时序分析
频域分析方法 时域分析方法
5
描述性时序分析案例
德国业余天文学家施瓦尔发现太阳黑子的活动具有11年左右的周期
6
统计时序分析--频域分析方法
原理
假设任何一种无趋势的时间序列都可以分解成若干不同频率 的周期波动
发展过程
早期借助富里埃分析从频率角度揭示时间序列的规律 后来借助傅里叶变换，用正弦、余弦项之和来逼近某个函数 20世纪60年代，引入最大熵谱估计理论，克服了传统谱分析
事件的发展通常都具有一定的惯性，这种惯性用统 计的语言来描述就是序列值之间存在着一定的相关 关系，这种相关关系往往具有某种统计规律。
目的
寻找出序列值之间相关关系的统计规律，并拟合出 适当的数学模型来描述这种规律，进而利用这个拟 合模型预测序列未来的走势
特点
理论基础扎实，操作步骤规范，分析结果易于解释， 是时间序列分析的主流方法。本课程主要介绍时间 序列的时域分析方法。
多变量场合 C.Granger ，1987年，提出了协整（co-integration）理论，并因此 与Engle一起获得2003年的诺贝尔经济学奖。
非线性场合 汤家豪等，1980年，门限自回归模型
11
1.4 时间序列分析软件
常用软件 S-plus，Matlab，Gauss，TSP，R语言，EViews 和SAS
SAS：在SAS系统中有一个专门进行计量经济与时间序列分 析的模块：SAS/ETS。SAS/ETS编程语言简洁，输出功能强 大，分析结果精确，是进行时间序列分析与预测的理想的 软件。
EViews：EVIEWS是由经济学家开发的并大多在经济领域应 用 。EVIEWS是在大型计算机的TSP (Time Series Processor) 软件包基础上发展起来的新版本，是处理时间 序列数据的有效工具，1981年Micro TSP面世，1994年QMS (Quantitative Micro Software) 公司在Micro TSP基础上直接 开发成功EVIEWS并投入使用。
2
1.1 引言
所谓时间序列，即是随时间变化的，具有随机性的动 态数据序列。
举例来说，1950年—2008年我国人口的年度数据， 1991年1季度—2009年2季度我国GDP的季度数据，1991 年1月—2009年8月太阳黑子的月度数据等等，都是时 间序列数据。
时间序列分析是用概率论与数理统计方法去研究时间 序列的性质这样一门科学理论。
分辨率不高和频率泄露等缺点，进入现代谱分析阶段
特点
非常有用的动态数据分析方法，但由于分析方法复杂，结果 抽象，有一定的使用局限性。主要应用于电力工程、信息工 程、物理学、天文学、海洋学、气象科学等自然科学领域。 在经济研究领域中常用来研究时间序列的周期波动性质。
7
统计时序分析--时域分析方法
原理
《应用时间序列分析》
参考书目
应用计量经济学：时间序列分析[Applied Econometric Time Series]，沃尔特·恩 德斯[Walter Enders]，高等教育出版社 （译本）。
时间序列分析[Time Series Analysis]，汉 密尔顿[James D. Hamilton]，中国社会 科学出版社（译本） 。