时间序列的基本概念VIP免费

时间序列的基本概念（以下Yt表示一随机时间序列）注：由于缺少公式编辑器，有些需要用公式才能更好注明的概念就没有整理出来。1．平稳：广泛地说，如果一个随机过程的均值和方差在时间过程上都是常数，并且在任何两时期之间的协方差仅依赖于该两时期间的距离或滞后，而不依赖于计算这个协方差的实际时间，就称它为平稳的（弱平稳随机过程）如果一个时间序列Xt的联合概率分布不随时间而变，即对于任何n和k，X1,X2,…，Xn的联合概率分布与X1+k,X2+k,…，Xn+k的联合分布相同，则称该时间序列是严格平稳的，但一般上述联合概率分布很难确定。通常我们所指的平稳性就是指弱平稳性。2．单位根：单位根是表示非平稳性的一种形式，可以用来检验平稳性。如果我们做回归Yt＝ρYt-1+ut（其中ut是遵从零均值，恒定方差和非自相关等经典假设的白噪音随机误差项），并确定发现ρ＝1，则说明随机变量Yt有一个单位根。3．随机游走时间序列：一个有单位根的时间序列叫随机步游时间序列，它是非平稳的。4．DF检验：在ρ＝1（非平稳）的虚拟假设下，把惯常计算的t统计量称为τ统计量，迪基和富勒以蒙特卡罗模拟为基础，算出了τ统计量的临界值表。τ检验就是DF检验。在一个正式的（判别）水准上，平稳性可通过时间序列是否含有单位根来检查，这时就可以利用DF或ADF检验。5．ADF检验：是将检验单位根的DF方法推广到一般的单位根的过程，当误差项存在自相关时，一般要应用ADF检验，即扩充迪基－富勒检验。6．求积时间序列：如果一个时间序列经过一个差分就变成平稳的，我们就说该原始（随机步游）序列是一阶求积（或一阶求和）序列，同理，经过d阶差分变为平稳的，就说该原始时间序列是d阶求积序列。7．相关图：在一个非正式的（判别）水准上，弱平稳性可通过时间序列的相关图即各种滞后的自相关图形来检验。对于平稳时间序列来说，相关图会很快变平，而对非平稳时间序列来说，它则消失得很缓慢。对于一个纯随机序列，所有滞及1以上得自相关均为零。8.趋势平稳（TS）和差分平稳（DS）：一个时间序列可以是趋势平稳（TS）的或差分平稳（DS）的，一个TS时间序列有一定的倾向，而一个DS时间序列有着可变或随机的倾向。9.谬误回归：一个时间序列变量对另一个或多个时间序列变量做回归，常常会引出无疑已的或谬误的结果，这种现象被称为谬误回归。10.协积：是指尽管两个或多个时间序列个别而论是非平稳的，但它们的线性组合则可以是平稳的。11.误差纠正机制（ECM）：由恩格尔和葛兰杰普及，是协调经济变量短期行为及其长期行为的一种手段。12.恩格尔—葛兰杰检验（EG）或扩充恩格尔—葛兰杰检验（AEG）：做DF或ADF检验时，u的估算是以估计的协积参数2为依据的，所以使用DF或ADF临界值并不完全合适，恩格尔和葛兰杰曾经另行算出这些临界值，因此在这个意义上的DF或ADF检验，叫做恩格尔—葛兰杰检验（EG）或扩充恩格尔—葛兰杰检验（AEG）。13.协积回归德宾—沃森（CRDW）检验：在CRDW中，使用自协积回归的德宾—沃森d值，根据一万次模拟，每次模拟由100个观测值构成，得到检验虚拟假设的1%、5%、10%的临界值a、b、c，若计算的d值小于a，则在1%水平上拒绝协积假设，若高于a，则是协积的。14.AR过程：一般，我们有（Yt-δ）=α1(Yt-1–δ)+α2(Yt-2–δ)+…+αp(Yt-p–δ)+μt,这时Yt是一个p阶自回归或AR（p）方程。15.MA过程：假设把Y的模型描述为Yt=μ+β0ut+β1ut-1+β2ut-2+…+βqut-q则称Yt是一个q阶移动平均或MA（q）方程。16.ARMA:Y兼有AR和MA的特性时，是ARMA,（字回归与移动平均过程）如Yt=θ+α1Yt-1+β0ut+β1ut-1就是一个ARMA（1，1）过程。（θ代表一个常数项）17.VAR分析法：是一种同时考虑多个时间序列的计量方法。18.乏理论：只利用较少的先验信息，被称为乏理论的。19.向量自回归模型：“向量”是指我们在同两个（或多个）变量的一个向量打交道，“自回归”是指方程的右端出现有应变量的滞后值。20.脉冲值：在VAR术语中，随机误差项诸u称为脉冲值或新生值。21.求积：一些时间序列是非平稳的，即它们是经过求积的。22.自回归求积移动平均时间序列：如果我们必须将一个时间序列差分d次，把它变为...