[DataAnalysis]时间序列分析
一、平稳性
1、严平稳与宽平稳的定义,一般我们都用二阶宽平稳
2、为什么要研究平稳性:若对非平稳时间序列使用现有的方法估计,则会得到虚假回归,估计模型无效。
3、ADF与DF统计量检验时间序列的平稳性。
二、平稳时间序列分析
1、MA(q)自相关系数q阶截尾
2、AR(p)偏自相关系数p阶截尾
3、ARMA(p,q)平稳性只依赖于自回归部分,可逆性只依赖于移动平均部分。
4、看图判断阶数
三、ARIMA(p,q)
1、随机过程有d个单位根,经过d次差分之后可以变换为一个平稳的自回归移动平均过程
2、ARIMA的ACF与PACF图
3、进入ARIMA模型估计之前应该确保的几点:
非季节经济时间序列p、d、q很少会大于2,常见取值是0;1,2;
Wald分解定理:
无论原来的序列中含有何种确定性成分,前面各类模型都剔除了所有的确定性成分。
4、时间序列模型建模过程:
(1)识别:
对经济序列取对数消除异方差;
平稳性检验,如果通不过就差分之后再做一次平稳性检验
在平稳性前提下识别ARMA阶数p和q
(2)参数估计
(3)诊断和检验:参数显著性检验和残差的随机性检验
5、加入季节因素的ARIMA:SARIMA
四、其他时间序列模型
1、分布滞后模型ADL
2、ECM:误差修正模型
3、短期预测:VAR向量自回归模型
4、股市专用:ARCH/GARCH广义自回归条件异方差模型