笔记:时间序列相关问题

試著忘記壹切 提交于 2020-01-13 22:04:13

平稳性

平稳性定义

时间序列XtX_t来自于一个概率分布,且满足:

1、 均值为与时间无关的常数;
2、方差是与时间无关的常数;
3、协方差至于时间间隔有关,与时间无关;
则称该随机时间序列是平稳的,该随机过程是一个平稳随机过程

  • 白噪声
    Xt=μt,μN(0,σ2)X_t=\mu_t,\qquad \mu ~N(0,\sigma^2)
    这个序列称为白噪声,由于具有相同的均值与方差,且协方差为零,满足以上定义,是平稳的。
  • 随机游走
    Xt=Xt1+μtX_t=X_{t-1}+\mu_t
    该序列有相同的均值。但是方差呢?我们递推可得:
    Xt=X0+μ1+...+μtX_t=X_0+\mu_1+...+\mu_t
    则Var(Xt)=tσ2(X_t)=t\sigma^2,故非平稳。
    但是可以取差分得到平稳序列:
    ΔXt=XtXt1=μt\Delta X_t=X_t-X_{t-1}=\mu_t
    事实上,随机游走是一阶自回归AR(1)过程 Xt=ϕXt1+μtX_t=\phi X_{t-1}+\mu_t的特例。

平稳性的单位根检验

  • DF检验
    我们知道随机游走模型可以看成是模型Xt=ρXt1+μtX_t=\rho X_{t-1}+\mu_t
    ρ=1\rho=1的情形。若经检验ρ=1\rho=1,则称XtX_t有一个单位根XtX_t就是随机游走,是非平稳的。这就是平稳性的单位根检验
    将模型差分得:
    ΔXt=(ρ1)Xt1+μt=δXt1+μt\Delta X_t=(\rho-1)X_{t-1}+\mu_t=\delta X_{t-1}+\mu_t
    检验ρ=1\rho=1就是检验δ=0\delta=0
  • ADF检验(augment Dickey-Fuller test)
    在DF检验中,实际上假定了时间序列是有白噪声的一阶自回归过程AR(1),但若实际上不是则会导致DF检验无效。为了保证随机干扰项的白噪声特性,形成了ADF检验方法。这个方法是通过三个模型完成的:
    模型1:ΔXt=δXt1+i=1mβiΔXt1+εt\Delta X_t=\delta X_{t-1}+\sum_{i = 1}^m \beta_i \Delta X_{t-1}+\varepsilon_t
    在模型1基础上 加上一个截距项α\alpha得模型2:
    ΔXt=α+δXt1+i=1mβiΔXt1+εt\Delta X_t=\alpha+\delta X_{t-1}+\sum_{i = 1}^m \beta_i \Delta X_{t-1}+\varepsilon_t
    在模型2基础上再加上一个时间趋势βT\beta T得模型3:
    ΔXt=α+βT+δXt1+i=1mβiΔXt1+εt\Delta X_t=\alpha+\beta T+\delta X_{t-1}+\sum_{i = 1}^m \beta_i \Delta X_{t-1}+\varepsilon_t
    实际检验时一般采用拉格朗日乘数检验(LM test)确定滞后阶数mm
    三个模型零假设都是H0:δ=0H_0:\delta=0(参见DF检验)。从模型3、2、1依次检验,若发现拒绝零假设,则说明不存在单位根,为平稳序列,可停止检验。当检验完成,三个模型都不能拒绝零假设,则认为时间序列是非平稳的。

单整时间序列

如果一个时间序列经过一次差分变成平稳的,就称原序列是一阶单整,记为I(1)I(1)dd次差分平稳记为 I(d)I(d) 。显然,I(0)I(0)代表平稳的时间序列。

协整

协整定义

假设XXYY的长期均衡关系为:
Yt=α0+α1Xt+μtY_t=\alpha_0+\alpha_1 X_t+\mu_t
其中的μt\mu_t也称为非均衡误差,它可写为:
μt=Ytα0α1Xt\mu_t=Y_t-\alpha_0-\alpha_1 X_t
如果长期均衡关系正确,那么上式表示的应该是一个平稳时间序列,并且具有零均值。假如XXYYI(1)I(1)序列,但他们的先行组合可以平稳,这时我们称变量XXYY协整的。
PS:只有当它们的单整阶相同时,才可能协整。
## 协整的检验

  • 两变量的Engle_Granger 检验
    第一步,用OLS估计并计算非均衡误差:
    Y^t=α^0+α^1Xtet=YtY^t\hat Y_t=\hat\alpha_0+\hat\alpha_1 X_t \\e_t=Y_t-\hat Y_t
    称为协整回归或静态回归。
    第二步,用DF或者ADF检验ete_t的单整性。
  • 多变量协整关系检验
    多变量协整关系检验的难点在于,协整变量间可能存在多种稳定的线性组合。检验过程跟双变量基本相同,但是需要设置一个变量为被解释变量,其他为解释变量,并检验残差序列是否平稳。当所有变量都被作为被解释变量后仍不能得到平稳的残差序列,则认为这些变量间不存在协整。

格兰杰因果关系检验

时间序列自回归模型

时间序列自回归模型实质仅用它过去值及随机扰动下所建立起来的模型:
Xt=F(Xt1,Xt2,...,μt)X_t=F(X_{t-1},X_{t-2},...,\mu_t)

pp阶自回归过程AR(pp
Xt=ϕ1Xt1+...+ϕpXtp+μtX_t=\phi_1X_{t-1}+...+\phi_pX_{t-p}+\mu_t
μt=εt\mu_t=\varepsilon_t(白噪声),则称上式为纯AR(pp)过程,写为:
Xt=ϕ1Xt1+...+ϕpXtp+εtX_t=\phi_1X_{t-1}+...+\phi_pX_{t-p}+\varepsilon_t
μt\mu_t不是白噪声,则认为它是一个q阶的移动平均过程MA(qq):
μt=εtθtεt1...θqεtq\mu_t=\varepsilon_t-\theta_t\varepsilon_{t-1}-...-\theta_q\varepsilon_{t-q}
上式给出了一个纯MA(qq)过程。若代入AR(pp),则会得到一个自回归移动平均过程ARMA(p,q):
Xt=ϕ1Xt1+...+ϕpXtp+εtθtεt1...θqεtqX_t=\phi_1X_{t-1}+...+\phi_pX_{t-p}+\varepsilon_t-\theta_t\varepsilon_{t-1}-...-\theta_q\varepsilon_{t-q}

格兰杰因果关系检验的表述

若在包含了X、Y过去信息的条件下,对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果,则认为变量X式引致变量Y的格兰杰原因。估计一下回归模型:
Yt=β0+i=1mβiYti+i=1mαiXti+μtXt=δ0+i=1mδiXti+i=1mλYti+vtY_t=\beta_0+\sum_{i=1}^m\beta_iY_{t-i}+\sum_{i=1}^m \alpha_iX_{t-i}+\mu_t \\X_t=\delta_0+\sum_{i=1}^m\delta_iX_{t-i}+\sum_{i=1}^m\lambda Y_{t-i}+v_t
格兰杰检验是通过受约束的F检验完成的。如针对X不是Y的格兰杰原因这一假设,即H0:αi=0H_0:\alpha_i=0,分别做包含与不包含X滞后项的回归,记前者的残差平方和为RSSU_U,后者的残差平方和为RSSR_R; 再计算F统计量:
F=(RSSRTSSU)/mRSSU/(nk)F=\frac{({\rm RSS}_R-{\rm TSS}_U)/m}{{\rm RSS}_U/(n-k)}
其中mm为X的滞后项的个数,nn为样本容量,kk为包含可能存在的常数项及其他变量在哪的无约束回归模型的待估参数的个数。如果F大于Fα(m,nk)F_\alpha(m,n-k)则拒绝原假设,认为X是Y的格兰杰原因。

参见:《计量经济学》,李子奈,高等教育出版社

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!