时间序列模型的分析课件(PPT 74页)

第五章   时间序列模型的分析
第一节   时间序列模型简介
时间序列模型(time series model)
时间序列的基本模型
第二节 平稳时间序列模型
时序图
平稳时间序列的意义
例 5-1
白噪声时间序列(White noise time series)
一、移动平均过程(MA )
MA(1)的统计性质
q 阶移动平均过程
无穷阶移动平均过程
二、自回归过程(AR)
一阶自回归模型
AR(1)的统计性质
1 均值
2 方差
3 协方差
AR(1)模型的相关图
样本估计
例
样本自相关图
二阶自回归模型
中心化模型
AR(2)的方差与协方差
特征方程(characteristic equation)
特征根判别
AR(p)模型阶数 p 的确定
AR(2)的自相关系数方程  
三、ARMA 过程
ARMA (p, q) 模型的平稳条件
ARMA (p, q) 模型的均值
ARMA (p, q) 模型的协方差
过度参数化
1 时序图
2 自相关图
3 模型识别
AR(1)模型
AR(2)模型
AR(3)模型
4 选择合适模型
第三节 非平稳时间序列模型
趋势平稳模型与单位根过程
随机游动过程(random walk process)
趋势平稳模型与单位根过程的主要区别
一、非平稳时间序列简介
误差项的方差
例5-3
时间序列的单积性
二、单位根时间序列的检验
三种模型
迪基—富勒(Dickey-Fuller)检验(简称DF检验)
φ检验
拓展迪基—富勒检验(简记ADF检验)
1 带有移动量的随机游动模型
带有移动量随机游动模型的DF检验
2 带有移动量和线性时间趋势量的随机游动模型
带有移动量和线性时间趋势量随机游动模型的DF检验
第四节 向量自回归模型
 例 5-4
一、向量自回归模型的识别与估计
递归模型的参数估计
似乎不相关回归模型(简称SUR模型)
SUR模型的参数估计
二、向量自回归模型的检验(1) 滞后期长度的确定
AIC信息准则和SBC准则
Granger因果检验(Granger causality test)
..............................