非平稳时间序序列的特征与检验课件

1、第七章 非平稳时间序列的特征及检验 本章主要讨论：非平稳时间序列的特征非平稳性的常规检验法非平稳性的单位根检验法案例分析1第1页，共47页。第一节 非平稳时间序列的特征 本节基本内容：非平稳时间序列的概念 非平稳序列的分类 非平稳时间序列的统计特征 2第2页，共47页。一、非平稳时间序列的概念 严格平稳与严格非平稳 ： 如果序列满足： 其概率分布、均值、方差、协方差及其它各高阶矩均不随时间发生变化 如果时间序列的统计特征随时间的推移而发生变化，则称为非平稳时间序列。 3第3页，共47页。 弱平稳，是指时间序列的均值、方差和协方差等一、二阶矩存在并不随时间改变，表现为时间的常数。 弱平稳的三个条

2、件： 4第4页，共47页。【例7.1】 AR(1) 时间序列的平稳性分析 对于AR(1)： ，假设初始值 ，干扰项 为白噪声，满足零均值独立同分布，其方差为 。讨论不同系数 时序列的平稳性情况。 对 迭代，得到: 对均值，有： ，与时间无关。 对方差，有：5第5页，共47页。【例7.1】当 时，分子、分母取极限可得到：当 时，有： 当 时， 与时间相关并按指数增长。 可见：当 ，方差与时间无关，其它情形与时间相关。容易证明，协方差与方差具有同样的特征。6第6页，共47页。【例7.1】结论当 时，AR(1) 过程为平稳的，因为其均值、方差与协方差均与时间无关。当 时，方差与协方差均与时间有关，为

3、非平稳的。对于经济问题而言，很少出现 的情形。通常将 的情形称为随机漫步过程，或者称为单位根过程。当 时，方差、协方差随时间指数增长，当然也是非平稳过程。此时时间序列经过短暂的时间间隔就会迅速增加到无穷，这对实际经济变量而言是比较少见的，故我们在实践中通常不考虑这种非平稳情形。7第7页，共47页。二、非平稳时间序列的分类随机趋势非平稳过程（stochastic trend process） 随机趋势非平稳过程又称为差分平稳过程（difference stationary process）、有漂移项的非平稳过程（non-stationary process with drift）。其生成过程为：

4、 趋势平稳过程（trend stationary process） 趋势平稳过程又称为退势平稳过程，其生成过程为： 确定性趋势非平稳过程（non-stationary process with deterministic trend） 模型为 8第8页，共47页。三、非平稳时间序列的统计特征对单位根过程而言，有 可以看出，随着时间长度的增加，相关系数趋近于常数1；在小样本条件下，随着滞后期k的增加，相关系数会不断衰减。对于AR(1) 的平稳过程而言，有 可以看出，相关系数随滞后期k的增加按指数迅速衰减到0。 单位根过程与平稳过程的自相关系数随滞后期的增加有显著不同的衰减速度，这个区别为我们检验

5、非平稳性提供了一个思路，样本相关图法就是利用这个性质来检验时间序列的非平稳性的。9第9页，共47页。 随机漫步过程与平稳一阶自回归过程特征的比较 随机漫步过程平稳一阶自回归过程方差随时间线性增长保持不变协方差跟时间与时间间隔都有关与时间无关自相关系数不变或缓慢衰减按照指数衰减记忆性长记忆性短记忆性t统计量的有效性传统用法无效有效10第10页，共47页。第二节 非平稳时间序列的检验方法本节基本内容：数据图示法 相关图法逆序检验法11第11页，共47页。一、数据图示法如果时间序列是平稳的，它有一固定不变的均值，并且应该在有限的时间穿越均值，方差也保持不变，在不同的区域的波动性应该是一致的。从图形看

6、，曲线应该围绕一条水平线上下波动，无明显的趋势性。 非平稳过程可能没固定均值，或者向均值回归的时间非常长。从图形上看，大多数点不会围绕一条水平线上下波动。 12第12页，共47页。二、基于相关图的平稳性检验法检验原理 平稳序列的自相关函数要么是截尾的，要么是按照指数快速衰减到零，也就是说，较长时间间隔后的自相关函数应该趋近于0。而单位根过程的序列自相关函数没有截尾现象，衰减是很缓慢的。可以利用它们的这个统计特征进行序列平稳与非平稳的检验。 检验方法 将样本相关系数随滞后期数变化的情形描点，可以得到样本相关图（Sample Correlogram）。根据平稳与非平稳样本相关图的不同特征，可以得出

7、序列平稳与否的结论。13第13页，共47页。例子： 平稳AR(1)的自相关图14第14页，共47页。例子： 非平稳过程的样本自相关图15第15页，共47页。三、逆序检验法逆序数的定义 逆序 逆序数逆序检验方法 检验原理 检验步骤16第16页，共47页。四、游程检验游程的概念游程检验17第17页，共47页。第三节 时间序列非平稳性的单位根检验法本节基本内容：单位根过程单位根过程检验基础DF单位根检验法PP单位根检验法与ADF单位根检验法其它高效的单位根检验法简介18第18页，共47页。一、单位根过程时间序列 称为随机漫步过程，如果有： 其中 独立同分布，其均值、方差分别满足 随机漫步过程的方差、

8、协方差皆与时间有关，是非平稳的。 带漂移的随机漫步过程 ：其中 ，19第19页，共47页。较随机漫步过程更一般的是单位根过程。单位根过程(Unit Root Process)的定义如下：若随机过程满足：其中 ，为一平稳过程，且 如果包含非0常数项 ，称为带漂移的单位根过程 ：随机漫步过程是单位根过程中退化为的一个特例。20第20页，共47页。经过一次差分后变为平稳的序列称为一阶单整序列(Integrated Process)，或者叫可积序列，记为I(1) 。如果序列经过二阶差分后才变成平稳过程，则称序列为二阶单整序列，记为I(2) 。如果序列经过d次差分后平稳，而d-1次差分却不平稳，那么称为

9、d阶单整序列，记为I(d)，d称为单整阶数。 平稳序列为零阶单整序列，记为I(0)。 21第21页，共47页。二、单位根过程检验基础维纳过程(Wiener Process)也称为布朗运动(Brownian Motion) 。22第22页，共47页。23第23页，共47页。三、DF单位根检验法假设时间序列是由下列两种模型之一产生出来： 或其中 。如果 ，第一种为随机漫步过程，第二种为带漂移的随机漫步过程，皆为非平稳过程。如果 ，则为平稳过程。所谓单位根检验，就是检验 是否成立。24第24页，共47页。单位根检验的4种情形25第25页，共47页。（一） 情形一的DF检验法回归模型(7.29)系数

10、的OLS估计为：构造t统计量： 其中 为回归残差的方差。 在 成立的条件下，t统计量具有如下极限：26第26页，共47页。DF单位根检验在情形1时t统计量的概率分布密度函数(样本数200) 27第27页，共47页。统计量分布特征t统计量依分布收敛于维纳过程的泛函，不再服从传统的t分布，传统的t检验法失效。上面的极限分布一般称为DickeyFuller分布，对应的检验称为DF检验。 检验统计量的极限分布是非对称、左偏的，检验值大都是负数。 DickeyFuller分布是非标准的，因此人们用Monte Carlo方法模拟得到检验的临界值，并编成DF检验临界值表供查。 28第28页，共47页。检验方

11、法：在进行DF检验时，比较t统计量值与DF检验临界值，就可在某个显著性水平上拒绝或接受原假设。若t统计量值小于DF检验临界值，则拒绝原假设 ，说明序列不存在单位根。若t统计量值大于或等于DF检验临界值，则接受原假设 ，说明序列存在单位根。 29第29页，共47页。检验回归式的变形：30第30页，共47页。（二） 情形二的DF检验法情形二参数的估计模型为：在 成立时，序列服从随机漫步过程，有以下统计量极限分布： 31第31页，共47页。情形2时t统计量概率分布密度函数 （样本数为200） 32第32页，共47页。情形2统计量分布特征当估计模型中含有常数项时，t统计量的极限分布发生了变化，从而临界

12、值也就不同。 比情形1时更加向左偏移。 33第33页，共47页。（三）其它情形的DF检验法Dickey、Fuller还考察了情形三、情形四下的单位根检验问题，检验统计量同前。可以证明，在情形三下，检验用的t统计量的极限分布为正态分布，从而可按照传统OLS检验法进行。在情形四下，检验用的t统计量的极限分布为非正规分布，需要参考其特殊的临界值表。34第34页，共47页。四、PP单位根检验法与ADF单位根检验法数据模型：其中 满足白噪声要求，独立同分布，且 的自相关函数记为 ，记 。 回归模型为：检验假设为： 35第35页，共47页。PP单位根检验法原假设下：统计量存在冗余参数，需要调整为：新统计量

13、的极限分布为：t统计量同样需要进行修正： 36第36页，共47页。PP检验统计量：37第37页，共47页。对于情形一、四，Phillips、Perron证明了，修正统计量的极限分布与DF检验中对应情形的极限分布相同，从而可使用DF检验的临界值表。PP单位根检验法是针对扰动项存在序列相关性而提出的，该方法是对DF单位根检验法的进一步推广，其关键点在于对DF检验统计量进行了适当的修正。修正后的统计量与DF检验中的统计量有相同的极限分布，因此可借用DF检验临界值表进行检验。38第38页，共47页。单位根过程的ADF检验法 P阶自回归过程的变换 ：39第39页，共47页。ADF单位根检验的4种情形：4

14、0第40页，共47页。Dickey和Fuller证明，对于情形一、二、四，t统计量与DF检验中对应情形的极限分布完全一致，从而可直接使用DF检验对应情形的临界值表。ADF检验中，不需要对t统计量进行修正，就可直接利用DF检验中的临界值表进行检验。这一点与PP检验是明显不同的。 情形三的t统计量的极限分布为常规的t分布，因此可用常规的t检验。 41第41页，共47页。ADF检验中对回归式的修改：42第42页，共47页。五、其它高效的单位根检验法简介 在样本数较小时，DF单位根检验的检验功效是很低的，常常会将平稳过程误判为存在单位根。ADF与PP的检验功效尽管有所改善，但也并不让人特别满意。为了解决这个问题，提出提高单位根检验功效的检验方法： WS（对称加权）检验RMA（递归均值调整）检验MAX (最大值) 检验43第43页，共47页。（一） WS（对称加权）检验1994年，Pantula等人提出WS对称加权检验法。用后向延迟和前向延迟两个回归式，通过求两个残差加权平方和的最小值来估计 及其方差 。其中权重 。 然后用DF检验同样的方法来构造统计检验量。 44第44页，共47页。（二） RMA（递归均值调整）检验基本原理：用递归平均取代样本平均来估计回归系数及其方差，可应用于DF、A