《计量经济学》3.3时间序列分析.pdfVIP

《计量经济学》3.3时间序列分析--第1页

3.3时间序列分析

3.3.1时间序列概述

1.基本概念

(1)一般概念：系统中某一变量的观测值按时间顺序（时间间隔相同）排列成一

个数值序列，展示研究对象在一定时期内的变动过程，从中寻找

和分析事物的变化特征、发展趋势和规律。它是系统中某一变量

受其它各种因素影响的总结果。

(2)研究实质：通过处理预测目标本身的时间序列数据，获得事物随时间过程的

演变特性与规律，进而预测事物的未来发展。它不研究事物之间

相互依存的因果关系。

(3)假设基础：惯性原则。即在一定条件下，被预测事物的过去变化趋势会延续

到未来。暗示着历史数据存在着某些信息，利用它们可以解释与

预测时间序列的现在和未来。

近大远小原理（时间越近的数据影响力越大）和无季节性、无趋

势性、线性、常数方差等。

(4)研究意义：许多经济、金融、商业等方面的数据都是时间序列数据。

时间序列的预测和评估技术相对完善，其预测情景相对明确。

尤其关注预测目标可用数据的数量和质量，即时间序列的长度和

预测的频率。

2.变动特点

(1)趋势性：某个变量随着时间进展或自变量变化，呈现一种比较缓慢而长期的

持续上升、下降、停留的同性质变动趋向，但变动幅度可能不等。

(2)周期性：某因素由于外部影响随着自然季节的交替出现高峰与低谷的规律。

(3)随机性：个别为随机变动，整体呈统计规律。

(4)综合性：实际变化情况一般是几种变动的叠加或组合。预测时一般设法过滤

除去不规则变动，突出反映趋势性和周期性变动。

3.特征识别

认识时间序列所具有的变动特征，以便在系统预测时选择采用不同的方法。

(1)随机性：均匀分布、无规则分布，可能符合某统计分布。(用因变量的散点图

和直方图及其包含的正态分布检验随机性，大多数服从正态分布。)

(2)平稳性：样本序列的自相关函数在某一固定水平线附近摆动，即方差和数学

期望稳定为常数。

样本序列的自相关函数只是时间间隔的函数，与时间起点无关。其

具有对称性，能反映平稳序列的周期性变化。

特征识别利用自相关函数ACF：ρ=γ/γ

kk0

其中γ是y的k阶自协方差，且ρ=1、-1ρ1。

kt0k

平稳过程的自相关系数和偏自相关系数都会以某种方式衰减趋

近于0，前者测度当前序列与先前序列之间简单和常规的相关程度，

后者是在控制其它先前序列的影响后，测度当前序列与某一先前序

列之间的相关程度。

实际上，预测模型大都难以满足这些条件，现实的经济、金融、商业等序列

1

《计量经济学》3.3时间序列分析--第1页

《计量经济学》3.3时间序列分析--第2页

都是非稳定的，但通过数据处理可以变换为平稳的。

4.预测类型

(1)点预测：确定唯一的最好预测数值，其给出了时间序列