时间序列分析讲义 第01章 差分方程

合集下载

第一讲 时间序列分析

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。

时间序列分析(第一章、第二章)2PPT课件

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

第章差分方程

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。

时间序列分析讲义(上)

时间序列分析讲义(上)
3、进行周期识别。 若有周期,消除周期性。
--- 得到非纯随机的无周期平稳时间序列数据,用于建模。
18
第二章 时间序列的预处理
2.1 纯随机性检验
原假设:延迟期数不超过 m期的序列值之间相互独立
H 0 : 1 2 m 0 , m 1
检验统计量 QLBn(n2)km 1(nˆk2k)~2(m)
ˆk截 尾 的 临 界 值 是 2n
q
12
2 l
l1
ˆkk截尾的临界值是
2 n
44
例3.1(例2.2续) 选择合适的模型ARMA拟合 1950年——1998年北京市城乡居民定期储蓄比 例序列。
序列自相关图
45
序列偏自相关图
46
拟合模型识别:
• 自相关图显示延迟3阶之后,自相关系数全部衰减到2 倍标准差范围内波动,这表明序列明显地短期相关。 但序列由显著非零的相关系数衰减为小值波动的过程 相当连续,相当缓慢,该自相关系数可视为不截尾
时序图1.3符合白噪声序列特征
13
若满足时间序列满足: XnTXn, nT 称该时间序列是周期为T的时间序列.
注1:若时间序列是周期为T的时间序列,则其均值函 数和自相关函数都是周期的,T为其周期。
时序图1.2符合周期序列特征
14
实际中我们得不到一个时间序列的完整性信 息,因此不能计算理论均值和自相关函数。但我 们能获取时间序列的一个样本,因此我们需要根 据样本来计算样本的均值和样本自相关函数。
15
1.4 时间序列的样本均值与样本自相关函数
假设已经得到了时间序列的一段样本观察值x1, x,..., xN N 称为样本长度。
时间序列的样本均值:
x
1 N

哈密尔顿的时间序列分析第1章_差分方程

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。

噶米时间序列分析讲义__第01章_差分方程

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。

时间序列分析ppt课件

时间序列分析ppt课件

... 1k r0
k

rk r0
1k ,
1 1, 当 k增大时,即序列之间的 间隔增大时,
k 减小,且以指数速度减 小,这种现象称为拖尾 ,
越来越与 0接近,
按照 PACF 的递推公式有:

1 , 22

2 1 11 1 1 11
, 21
11 22 11
33

3 2 21 1 22 1 1 21 2 22
四、 随机序列的特征描述 (1)样本均值
1 n
z n t1 zt c
(2)样本自协方差函数
平稳时间序列自协方差仅与时间隔有关,当 间隔为 零时,自协方差应相等:
4、自协方差与自相关函数的性质 (1) rk=r-k ρk= ρ-k k、-k仅是时间先后 顺序上的差异,它们代表的间隔是相同的。
(2)
1,
rk r0
1rk
r0
三、偏自相关函数(PACF) 1、偏自相关函数用来考察扣除zt 和zt+k之间zt+1 ,
当t取遍所有可能整数时,就形成了离散时间的函数ut 称ut 为时间序列的均值函数。
3、自协方差函数和自相关函数
r ( t , s ) E [ z t ( u t ) z s ( u s ) ] ( z t u t ) z s ( u s ) d t , s ( z t F , z s )
例1、设动态数据16,12,15,10,9,17,11, 16,10,14,求样本均值、样本自相关函数 (SACF)和偏自相关函数(SPACF)(各 求前三项)
(1) z

1 10

时间序列分析讲义 第01章 差分方程

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刻情形下微分方程的特例。

差分方程及其求解是时刻序列方法的根底,也是分析时刻序列动态属性的全然方法。

经济时刻序列或者金融时刻序列方法要紧处理具有随机项的差分方程的求解咨询题,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 表示随着时刻变量t 变化的某种事件的属性或者结构,那么t y 便是在时刻t 能够瞧测到的数据。

假设t y 受到前期取值1-t y 和其他外生变量t w 的碍事,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 仅线性地依靠前一个时刻间隔自身的取值1-t y ,因此称具有这种结构的方程为一阶线性差分方程。

要是变量t w 是确定性变量,那么此方程是确定性差分方程;要是变量t w 是随机变量,那么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、实际收进、银行储蓄利率和商业票据利率的对数变量分不表示为t m 、t I 、bt r 和ct r ,那么能够估量出美国货币需求函数为: 上述方程便是关于t m 的一阶线性差分方程。

能够通过此方程的求解和结构分析,判定其他外生变量变化对货币需求的动态碍事。

1差分方程求解:递回替代法差分方程求解确实是根基将方程变量表示为外生变量及其初值的函数形式,能够通过往常的数据计算出方程变量的当前值。

由于方程结构关于每一个时刻点根基上成立的,因此能够将(1.1)表示为多个方程: 0=t :01100w y y ++=-φφ1=t :10101w y y ++=φφt t =:t t t w y y ++=-110φφ依次进行叠代能够得到: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,能够通过代进方程进行验证。

01随机过程与差分方程

01随机过程与差分方程
随机游走假说意味着:α0=α1=0,拒绝该约束条件 即拒绝该理论。
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

时间序列分析的基本概念课件

时间序列分析的基本概念课件
(s,t) (k, k t s),t, s, k且k t s T
延迟k自协方差函数:
(k) (t,t k) (t,t k),k为整数
常数方差: D Xt (t,t) (0),t T
且有 (t) (0)
第12页,共26页。
自相关系数
延迟k自相关系数:反映序列Xt在时刻t和t+k时的线
本章结构
随机过程基础概念和基本理论介绍 平稳过程的特征
线性差分方程 时间序列数据的预处理
第2页,共261页。
随机过程
描述 在对某些随机现象的变化过程进行研究时,需要考 虑无穷多个随机变量,必须用一簇随机变量才能刻画 这种随机现象的全部统计特征,这样的随机变量族通 常称为随机过程。
例子:随机游动(或游走)模型,Brown运动等等
第8页,共26页。
严平稳与宽平稳的关系
区别:
宽平稳对时间推移的不变性表现在统计平均的一、 二阶矩上,对于高于二阶的矩没有任何要求;
严平稳对时间推移的不变性表现在统计平均的概率分 布上,以保证序列所有的统计特征都相同;
两者的要求不同,一般说来,严平稳比宽平稳要求要 “严”。
第9页,共26页。
各序列值之间没有任何k 相关0关,系,即k 为 0“没有记忆”的序列,序列 在进行完全无序的随机波动。 ------------不需要建模
第15页,共26页。
白噪声过程
定义:
期望和方差都为常数的纯随机过程称为白噪声过程 。
白噪声序列 (White noise):白噪声过程的样本实现。
若εt 满足 (1) E t
严平稳与宽平稳的关系
联系: 严 宽:因为宽平稳要求期望和协方差都存在,而严平 稳要求概率分布存在,并不断言一二阶矩存在。而服从柯 西分布的严平稳序列就不是宽平稳序列,因为它的一、二 阶矩均不存在;

时间序列分析讲义 第01章 差分方程

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。

时间序列分析讲义(1)

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。

第1章应用时间序列分析—差分方程(东北财经大学)汇编

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。

时间序列分析-第一章时间序列专选课件

时间序列分析-第一章时间序列专选课件

E
n i1
nj1aiaj(Xi )(Xj )
E[
a n
i1 i
(Xi
)]2
0
为证明有界性,我们先介绍一个常用的不等式. 引理 (Schwarz不等式) 对任何方差有限的随机变量X和Y,有
E(XY) EX2EY2
证明 不妨设EX 2 0 ,关于a的一元
E ( X 2 ) a 2 2 E ( X Y ) E Y 2 E [ ( a X Y ) ] 0 于是,判别式 4 (E (X 2))2 4 E X 2E Y 20
记 xEXt和 yEYt 定义
Zt XtYt,tZ
(1)如果{ X t } 和{ Y t } 正交,则{ Z t } 是平稳序列,有自协方差函数
Z ( k ) X ( k ) Y ( k ) 2 X Y , k 0 , 1 , 2 ,
(2)如果{ X t } 和{ Y t } 不相关,则 { Z t } 是平稳序列,有自协方差函数 Z ( k ) X ( k ) Y ( k ) ,k 0 ,1 ,2 ,
4 3.5
3 2.5
2 1.5
1 0.5
0 -0.5
-1 0
10
20
30
40
50
60
样本II
2 1.5
1 0.5
0 -0.5
-1 0
10
20
30
40
50
60
标准正态白噪声的60个样本: A=randn(1,60); plot(A)
三.正交平稳序列
设X和Y是方差有限的随机变量,如果E(XY)=0,就称X和Y是正交的, 如果c o v(X,Y)=0,就称X和Y是不相关的。
定义 对于平稳序列{ X t } 和{ Y t } , (1) 如果对任何的 s, t∈ Z, E(XtYs)0,则称 { X t }和 { Y t }

时间序列分析讲义第01章差分方程

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y t表示随着时间变量t变化的某种事件的属性或者结构,则y t便是在时间t可以观测到的数据。

假设y t受到前期取值比」和其他外生变量w的影响,并满足下述方程:y t=•%i y td w t(i.i)在上述方程当中,由于y t仅线性地依赖前一个时间间隔自身的取值y t」,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W t是确定性变量,则此方程是确定性差分方程;如果变量W t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W t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m t、I t、r bt和r ct,则可以估计出美国货币需求函数为:m t=0.270.72m t」0.19I t-0.045r bt-0.019r ct上述方程便是关于m t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。

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:t=0:y0=01y/W0t=1:y[=01y0W1aat=t:y t='0-1y t」w t依次进行叠代可以得到:y[二01(0'1y」-W0)W1=0(11)-(1)2y41w。

w1V2=0(1112)13yl12W21W11W0aay t=外之叫+*1t y4+2如1(1.2)0i4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。

  1. 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. 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. 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)。

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 ++++=++++=--φφφφφφφφ111122113121102)1(w w w y y φφφφφφφ++++++=-i ti i t ti 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。

上述通过叠代将t y 表示为前期变量和初始值的形式,从中可以看出t y 对这些变量取值的依赖性和动态变化过程。

1.1.2. 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0w 的变化对t 阶段以后的t y 的影响。

假设初始值1-y 和t w w ,,1 不受到影响,则有:t tw y 10φ=∂∂ (1.3) 类似地,可以在解的表达式中进行计算,得到: j tjt w y 1φ=∂∂+ (1.4) 上述乘子仅仅依赖参数1φ和时间间隔j ,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: ttt t t t t t I w I w w m I m ∂∂=∂∂⨯∂∂=∂∂++2122φ 利用差分方程解的具体系数,可以得到: 19.0=∂∂ttI w ,72.01=φ 从而可以得到二阶乘子为: 098.02=∂∂+tt I m 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t y 相对于外生扰动t w 的反应函数:j t jt j w y L 1φ=∂∂=+, ,1,0=j (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1φ的取值。

(1) 当101<<φ时,反应函数是单调收敛的; (2) 当011<<-φ时,反应函数是震荡收敛的; (3) 当11>φ时,反应函数是单调扩张的; (4) 当11-<φ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1||1<φ时,反应函数是收敛的;当1||1>φ时,反应函数是发散的。

一个特殊情形是11=φ的情形,这时扰动将形成持续的单一影响,即t w 的一个单位变化将导致其后任何时间j t y +的一个单位变化:1≡∂∂=+tjt j w y L , ,1,0=j为了分析乘子的持久作用,假设时间序列t y 的现值贴现系数为β,则未来所有时间的t y 流贴现到现在的总值为:∑∞=+0j j t j y β (1.6)如果t w 发生一个单位的变化,而t s w s >,不变,那么所产生的对于上述贴现量的影响为边际导数:∑∑∑∞=∞=+∞=+-==∂∂=∂∂011/)(j j j j tj t jj t j t j w y w y φβφβββ,1||<φβ上述分析的是外生变量的暂时扰动,如果t w 发生一个单位的变化,而且其后的t s w s >,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)(j t +时刻的j t y +的影响乘数是: 0111111φφφ+++=∂∂++∂∂+∂∂-+++++ j j jt jt t t t j t w y w y w y (1.7) 当1||1<φ时,对上式取极限,并将其识为扰动所产生的持久影响:11111)(lim φ-=∂∂++∂∂+∂∂+++++∞→j t j t t t t j t j w y w y w y (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: 68.072.0119.0=-=⨯=t t t t t t dI dw dw dm dI dm 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t y 以后路径的累积影响,这时可以将这种累积影响表示为: φ-=∂∂∑∞=+110j tjt w y (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 p 阶差分方程如果在方程当中允许t y 依赖它的p 阶前期值和输入变量,则可以得到下述p 阶线性差分方程(将常数项归纳到外生变量当中):t p t p t t t w y y y y ++++=---φφφ 2211 (1.10)为了方便起见,将上述差分方程表示成为矩阵形式:t t t v F +=-1ξξ (1.11)其中:⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=+---121p t t t t t y y y y ξ,⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=-0001000000100011321p p F φφφφφ,⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=000 t t w v 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:j t j t y y --=,p j ,,2,1 =将p 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。

进行向前叠代,可以得到差分方程的矩阵解为:t t t t t t v v F v F v F F +++++=---+1111011 ξξ (1.12) 利用)(t j i f 表示矩阵t F 中第i 行、第j 列元素,则方程系统(1.12)中的第一个方程可以表示为:t t t t p t p t t t w w f w f w f y f y f y f y ++++++++=---+-+-+1)1(111)1(110)(11)1(12)1(121)1(11(1.13) 需要注意,在p 阶差分方程的解中需要知道p 个初值:),,,(21p y y y --- ,以及从时刻0开始时的所有外生变量的当前和历史数据:),,,(10t w w w 。

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:j t j t t j t j t j j t v v F v F v F F +-++--+++++++=11111 ξξ (1.14) 类似地,表示成为单方程形式:jt j t t j t j pt j p t j t j j t w w f w f w f y f y f y f y +-++--+-+-++++++++++=1)1(111)1(11)(11)1(12)1(121)1(11 (1.15)利用上述表达式,可以得到p 阶差分方程的动态反应乘子为: )(11j t jt j f w y L =∂∂=+, ,1,0=j由此可见,动态反应乘子主要由矩阵j F 的首个元素确定。

例1.4 在p 阶差分方程中,可以得到一次乘子为:111)1(1111φ===∂∂=+F f w y L t t二次乘子为:221211)2(1121φφ+===∂∂=+F f w y L tt 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j F 的首个位置的元素。

根据定义,矩阵F 的特征根是满足下述的λ值:0||=-p I F λ (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: 01)(21221=--=--φλφλλφλφ具体可以求解出两个特征根为:()22111421φφφλ++=,()22112421φφφλ+-= (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F 的特征根与p 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F 的特征根满足下述方程,此方程也称为p 阶线性差分方程的特征方程:012211=--------p p p p p φλφλφλφλ证明:根据特征根的定义,可知特征根满足:000100000101)(||1321=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡----=--λφφλφλφλφλp p p I F对上述行列式进行初等变化,将第p 列乘以)/1(λ加到第1-p 列,然后将第1-p 列乘以)/1(λ加到第2-p 列,依次类推,可以将上述行列式方程变化为对角方程,并求出行列式值为:012211=--------p p p p p φλφλφλφλ这便是所求的p 阶线性差分方程的特征方程。

相关文档
最新文档