下载文档原格式
时间序列模型时间序列分析是现代计量经济学的重要内容，是研究经济变量的动态特征和周期特征及其相关关系的重要工具，被广泛应用经济分析和预测中。
时间序列按其平稳性与否又分为平稳时间序列和非平稳时间序列。
1．ARMA与ARCH模型2．协整与误差修正模型3．向量自回归模型1第五讲ARMA与ARCH模型本讲中将讨论时间序列的平稳性（stationary）概念及自回归模型(Autoregressive models)、移动平均模型(Moving average models)、自回归移动平均模型(Autoregressive moving average models)、自回归条件异方差模型(Autoregressivec conditional Heteroscedasticity models)的识别、估计、检验、应用。
23一、时间序列的平稳性（一）平稳时间序列所谓时间序列的平稳性，是指时间序列的统计规律不会随着时间的推移而发生变化。
严格地讲，如果一个随机时间序列，对于任何时间，都满足下列条件：t y t Ⅰ）均值；()t E y μ=∞ Ⅱ）方差，是与时间无关的常数；22()()t t Var y E y μσ=-=t Ⅲ）自协方差,是只与时期间隔有关，{}(,)t t k t t k k Cov y y E y y μμγ--=--=（）(）k 与时间无关的常数。
t4则称该随机时间序列是平稳的。
生成该序列的随机过程是平稳过程。
例5.1．一个最简单的随机时间序列是一具有零均值同方差的独立分布序列：= ~该序列常被称为是一个白噪声（white noise ）。
t y t εt ε2(0,)iid σ 由于具有相同的均值与方差，且协方差为零,满足平稳性条件,是平稳的。
t y 例5.2．另一个简单的随机时间列序被称为随机游走（random walk ）：~，是一个白噪声。
1t t t y y ε-=+t ε2(0,)iid σ 容易判断该序列有相同的均值：，但是方差,即1()()t t E y E y -=2()t Var y t σ=的方差与时间t 有关而非常数，它是一非平稳序列。
协整与误差修正模型的研究第一部分协整理论概述 (2)第二部分误差修正模型介绍 (4)第三部分协整与误差修正关系 (7)第四部分模型构建与检验方法 (9)第五部分实证分析应用案例 (13)第六部分结果解释与经济含义 (16)第七部分模型局限性与改进方向 (18)第八部分研究展望与未来趋势 (22)第一部分协整理论概述协整理论概述在经济学和金融学中，我们常常遇到时间序列数据之间的长期均衡关系。
然而，在实际经济活动中，这种均衡关系并不总是能够得到严格的保持，而是存在着一定程度的波动和偏差。
为了解决这一问题，经济学家们提出了协整理论。
协整理论是指两个或多个非平稳的时间序列之间存在一种长期稳定的关系。
换言之，即使各时间序列本身是随机游走的过程，它们之间也可能存在一个稳定的线性组合，使得这个组合呈现出平稳性质。
协整理论的发展为研究经济变量之间的长期动态关系提供了一个强有力的工具。
协整理论的核心思想是由 Engle 和Granger 于1987 年提出的。
他们认为，如果两个非平稳的时间序列之间存在协整关系，则这两个时间序列可以通过一个线性组合达到长期均衡状态，且这个线性组合具有零均值、有限方差和恒定自相关等特性。
在这个意义上，我们可以将协整关系看作是一种长期均衡关系的表现形式。
为了检验两个时间序列之间是否存在协整关系，Engle 和 Granger 提出了一种两步法：首先检验每个时间序列是否为非平稳过程；然后，如果这两个时间序列都是非平稳过程，再通过回归分析来检验它们之间是否存在协整关系。
这种方法被称为 Engle-Granger 两步协整检验。
除了 Engle-Granger 两步协整检验之外，还有许多其他的方法可以用来检验协整关系，例如 Johansen 检验和 Pedroni 检验等。
这些方法都可以有效地帮助我们确定不同时间序列之间的协整关系。
协整理论不仅用于检验不同时间序列之间的长期均衡关系，还可以用于构建误差修正模型。
第三节协整理论——时间序列模型的协整关系一、问题来源来源：伪回归（虚假回归）现象MC（蒙特卡罗）的模拟结果发现：利用2个相互独立的非平稳序列、或者2个都包含时间趋势但彼此无关的序列，可能建立显著的回归模型；称这种现象为“伪回归”现象，所建立的模型是伪回归模型。
伪回归现象意味着传统统计检验方法失去意义，需要重新讨论对非平稳序列能否直接建立回归模型的问题。
二、平稳性（一）平稳时间序列定义：μ=)(t y E)(),(s r y y COV s t t =- （序列的相关性只与间隔有关，与时刻无关） 推论：)0()(r y D t = = 常数图形特征：（1）在均值周围波动，频繁穿越均值；（2）波动幅度大致相同；-2-112240260340360DJ PY图1 日元兑美元差分序列 图2上证综指收益率平稳时间序列的含义：任何外来冲击（或振动）对序列变动轨迹的影响是短暂的，t时刻的振动影响在t+1期会减弱，t+2期会更弱，随着时间推移这种影响会逐渐消失，序列将恢复到其平均水平（称外来冲击影响具有“短记忆”特征）。
但是，对于非平稳时间序列，振动的影响会无限地持续下去，t时刻的振动影响不会在以后的时期中衰减，所以序列也难以恢复到一个稳定状态，外来冲击影响有长记忆性。
（二）常见平稳序列1．白噪声过程（white noise ）0)(=t y E 2)(σ=t y D 0),(=-s t t y y COV记成： y t ~ i.i.d (0, σ2)古典回归模型中的随机误差项即为白噪声序列。
2．自回归过程（Auto regression —AR 过程）1t t t y y ρε-=+ ||1ρ<,εt ~ i.i.d (0, σ2)（三）常见非平稳序列1．趋势平稳过程（trend stationary）（又称为：退势平稳过程，确定趋势过程）。
y t =α + βt + εt , εt~i.i.d(0, σ2)性质：（1）E (y t )=α + βt ， D (y t ) = σ2 , COV(y t ，y t-s ) = 0（2）图形：围绕趋势线等幅波动，外来冲击影响短暂；（3）可以扩展成带趋势的AR 过程：1t t t y t y αβρε-=+++ ||1ρ<特点：由于存在长期趋势使得均值不是常数，所以是非平稳序列；但是序列始终围绕着趋势线波动，外来冲击是短记忆的，所以又具备平稳序列的特征。
时间序列的协整检验与误差修正模型讲义时间序列的协整检验与误差修正模型是在经济学和金融学中广泛使用的方法，用于分析两个或多个变量之间的长期稳定关系。
本讲义将介绍协整检验的基本概念和步骤，并讨论误差修正模型的理论背景和实际应用。
一、协整检验1. 概念与原理协整是指两个或多个变量之间存在长期稳定的关系，即它们的线性组合是平稳的。
协整关系可以用来解释一个变量对另一个变量的影响，并提供长期均衡关系的信息。
协整检验的基本原理是利用单位根检验方法，测试变量是否存在单位根（非平稳性）。
如果变量存在单位根，则它们是非平稳的；如果变量不存在单位根，则它们是平稳的。
如果变量之间存在协整关系，它们的线性组合将是平稳的。
2. 协整检验的步骤协整检验的一般步骤如下：- 收集数据并绘制时间序列图，观察变量之间的趋势和关系；- 进行单位根检验，常用的方法包括ADF检验、Phillips-Perron检验等；- 如果变量存在单位根，则进行差分，直到变量变为平稳的；- 应用最小二乘法等方法，估计协整关系方程；- 进行残差平稳性检验，确保协整关系的合理性；- 如果协整关系存在，可以进行模型的进一步分析与应用。
二、误差修正模型（Error Correction Model, ECM）1. 概念与原理误差修正模型是一种动态模型，用于解释协整关系的调整速度和误差纠正机制。
在误差修正模型中，除了协整关系的线性组合外，还引入了误差修正项，用于捕捉变量之间的短期非平衡关系。
误差修正项反映了系统离开长期均衡后的调整速度，通过估计误差修正项的系数，可以判断系统是否有趋向于均衡的能力。
当误差修正项的系数为负数且显著时，表示系统具有自我修复的能力；当系数为零时，表示系统处于长期均衡状态；当系数为正数时，表示系统趋向于进一步偏离均衡。
2. ECM模型的应用误差修正模型可以用于解释和预测时间序列数据的长期和短期动态变化。
它在经济学和金融学中有广泛的应用，如货币供给与通货膨胀、利率与消费支出、汇率与经济增长等领域。
时间序列的协整检验与误差修正模型时间序列的协整检验与误差修正模型是经济学中常用的方法，用于分析两个或多个变量之间的长期关系。
协整检验是在时间序列数据中，判断变量之间是否存在长期平衡关系的一种方法。
误差修正模型是在协整关系已经验证的基础上，建立起变量之间的因果关系，对短期的偏离进行修正的模型。
协整检验的原理是基于单位根检验的思想，判断时间序列是否为平稳序列。
平稳序列是指序列的均值和方差不随时间发生变化。
如果两个变量都是非平稳序列，但它们的线性组合是平稳序列，那么可以认为这两个变量是协整的。
常用的协整检验方法有Engle-Granger方法和Johansen方法。
Engle-Granger方法是一种直观简单的协整检验方法。
它的步骤如下：首先，分别对两个变量进行单位根检验，确认它们是否为非平稳序列。
然后，对两个变量进行线性回归，得到残差序列。
接下来，对残差序列进行单位根检验，确认它是否为平稳序列。
最后，如果残差序列是平稳序列，则可以判断两个变量之间存在协整关系。
协整检验完成后，接下来可以建立误差修正模型。
误差修正模型是基于协整关系的基础上建立起来的，以短期的偏离修正为核心。
它的核心假设是，在长期平衡关系的约束下，两个变量之间的短期偏离可以通过一个修正项来消除。
误差修正模型的基本形式是多元线性回归模型，其中包含自变量、因变量以及一个误差修正项。
误差修正模型的估计和推断可以使用最小二乘法或最大似然法等统计方法进行。
通过对误差修正模型的估计和推断，可以对变量之间的因果关系进行分析。
同时，误差修正模型还可以用于预测和决策分析。
综上所述，时间序列的协整检验与误差修正模型是分析变量之间长期关系的重要工具。
协整检验可以判断变量是否具有长期平衡关系，而误差修正模型则可以分析变量之间的短期调整过程。
这些方法在经济学、金融学、管理学等领域都有广泛的应用。
时间序列的协整检验与误差修正模型是经济学中常用的方法，用于分析两个或多个变量之间的长期关系。
协整与误差修正模型在处理时间序列数据时， 我们还得考虑序列的平稳性。
如果一个时间序列的均值或自协 方差函数随时间而改变， 那么该序列就是非平稳的。
对于非平稳的数据， 采用传统的估计方 法，可能会导致错误的推断，即伪回归。
若非平稳序列经过一阶差分变为平稳序列，那么该 序列就为一阶单整序列。
对一组非平稳但具有同阶的序列而言， 若它们的线性组合为平稳序 列，则称该组合序列具有协整关系。
对具有协整关系的序列， 我们算出误差修正项，并将误 差修正项的滞后一期看做一个解释变量， 连同其他反映短期波动关系的变量一起。
建立误差 修正模型。
建立误差修正模型的步骤如下： 首先，对单个序列进行单根检验， 进行单根检验有两种： ADF ( Augument Dickey-Fuller )和 DF(Dickey-Fuller) 检验法。
若序列都是同阶单整，我们就 可以对其进行协整分析。
在此我们只介绍单个方程的检验方法。
对于多向量的检验参见 Johensen 协整检验。
我们可以先求出误差项， 再建立误差修正模型， 也可以先求出向量误差 修正模型， 然后算出误差修正项。
补充一点的是， 误差修正模型反映的是变量短期的相互关 系，而误差修正项反映出变量长期的关系。
下面我们给出案例分析。
案例分析在此，我们考虑从 1978 年到 2002 年城镇居民的人均可支配收入 income 与人均消费水 平 consume 的关系，数据来自于《中国统计年鉴》 ，如表 8.1 所示。
根据 相对收入假设理论 ， 在一定时期， 人们的当期的消费水平不仅与当期的可支配收入、 而且受前期的消费水平的影 响，具有一定的消费惯性， 这就是消费的棘轮效应。
从这个理论出发， 我们可以建立如下 (8.1) 式的模型。
同时 根据生命周期假设理论 ，消费者的消费不仅与当期收入有关， 同时也受过去 各项的收入以及对将来预期收入的限制和影响。
从我们下面的数据分析中， 我们可以把相对 收入假设理论与生命周期假设理论联系起来， 推出如下的结果： 当期的消费水平不仅与当期 的可支配收入有关， 而且还与前期的可支配收入、 前两期的消费水平有关。
