《常用计量经济模型》PPT课件

《《常用计量经济模型》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第一章常用计量经济模型第一节时间序列的外推、平滑和季节调整一、时间序列的成分趋势成分（Trend）、循环成分（Cyclical）、季节成分（Season）、不规则成分（Irregular）二、简单外推模型由时间序列过去行为进行预测的简单模型（适用于yt有一个长期增长的模式）1、线性趋势模型yt=c1+c2t2、指数增长趋势模型两边取对数3、自回归趋势模型4、二次曲线趋势模型对数自回归趋势模型美国商业部：1986年1月至1995年12月百货公司的月零售额（亿元）[例1]百货公司销售预测三、平滑技术（目的是“消除”时间

2、序列中的不规则成分引起的随机波动，适用于稳定的时间序列）1、移动平均模型移动平均数=最近n期数据之和/n例如3期移动平均中心移动平均3期中心移动平均2、指数加权移动平均模型即（EWMA—ExponentiallyWeightedMovingAverages）α越小，时间序列的平滑程度越高。[例2]美国月度新建住房数（1986年1月至1995年10月）四、季节调整（目的是“消除”时间序列中的季节成分引起的随机波动）CensusⅡ(美国普查局开发的标准方法)移动平均比值法(RatiotoMovingAverages)R

3、atiotoMovingAverages——Multiplicative第一步用中心移动平均平滑序列yt对于月度资料对于季度资料此时可大致认为已无季节和不规则波动，可看作的估计第二步估计S×I令zt即为S×I的估计第三步消除不规则变动，得到S的估计对S×I中同一季节的数据进行平均，从而消除掉I。例如，对于月度数据，假定y1是1月份的数据，y2是1月份的数据，y3是1月份的数据，y4是1月份的数据，总共4年数据。则第四步调整S的估计，使其连乘积等于1或和等于12。第二节随机时间序列模型基本假定：时间序列是由某个随机过

4、程生成的。在一定条件下，我们可以从样本观察值中估计随机过程的概率结构，这样我们就能够建立序列的模型并用过去的信息确定序列未来数值的概率。常用模型：AR模型、MA模型、ARMA模型、ARIMA模型、VAR模型、ECM等。统计特征不随时间变化而变化的过程是平稳过程（StableProcess）如果过程是严平稳的（StrictlyStationary），那么对任意的t和k，时刻t的联合概率密度函数等于时刻t+k的联合概率密度函数。也就是说，对于具有严平稳性质的随机过程，其全部概率结构只依赖于时间之差。严平稳性的条件很严格

5、，我们希望稍微放松限制条件。于是从实际角度考虑，我们可以用联合分布的矩的平稳性来定义随机过程的平稳性。一、平稳过程m阶弱平稳过程（WeaklyStationary）是指随机过程的联合概率分布的矩直到m阶都是相等的。若一个过程{r(t)}是2阶弱平稳过程，那么它会满足下列条件：（1）随机过程的均值保持不变；（2）随机过程的方差不随时间变化；（3）r(i)和r(j)之间的相关性只取决于时间之差j-i。[注]：弱平稳过程不一定是严平稳过程；而严平稳过程若存在二阶矩，则必是2阶弱平稳过程。[例]白噪声过程其中随机变量满足显

6、然白噪声过程是一个2阶弱平稳过程。[例]随机游走模型其中是服从正态分布的白噪声显然因此Pt是非平稳过程。用[X(t)]表示一随机过程，滞后期为k的自相关系数定义为二、自相关函数如果[X(t)]是一个平稳过程，则有因此其中协方差函数自相关函数揭示了X(t)的相邻数据点之间存在多大程度的相关。如果对所有的k>0，序列的自相关函数等于0或近似等于0，则说明序列的当前值与过去时期的观测值无关，这时该序列没有可预测性。相反，如果金融序列间是自相关的，就意味着当前回报依赖历史回报，因此可以通过回报的历史值预测未来回报。[例]白

7、噪声过程的自相关函数协方差函数自相关函数样本自相关函数样本自相关函数可以用来检验序列的所有k>0的自相关函数的真实值是否为0的假设。Box和Pierce的Q统计量如果检验通过，则随机过程是白噪声。自相关函数还可被用于检验一个序列是否平稳。平稳时间序列的自相关函数随着滞后期k的增加而快速下降为0平稳序列非平稳序列齐次非平稳过程yt非平稳，但yt–yt-1平稳，称yt为一阶齐次非平稳过程[例]随机游走过程是一阶齐次非平稳过程[例]利率的模型时间序列的当前值依赖于过去时期的观察值。三、自回归（Auto-Regressio

8、n）模型p阶自回归模型AR(p)：一阶自回归模型AR(1)：均值若则过程平稳。[例]带漂移项的随机游走过程过程是非平稳的不妨设常数项为0平稳AR(1)过程的自相关函数方差协方差自相关函数这说明自回归过程具有无限记忆力。过程当前值与过去所有时期的值相关，且时期越早，相关性越弱。四、移动平均（MovingAverages）模型q阶移动平均模型MA(q)：一阶移动