【图文】时间序列分析_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
时间序列分析
上传于|0|0|暂无简介
大小：4.87MB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢1181人阅读
来自 ：/question/
在引入ARMA模型之前，一般课本都会对时间序列的平稳性作一个描述，但是总感觉没有描述特别清晰：
1. 通常时间序列模型要求的是协方差平稳，或者弱平稳，而对强平稳介绍很少，能否从数学角度分析比较两者最大的不同在何处，具体影响哪些性质；
2. 从经济学含义或者常用的金融学领域看，如何看待经济学中的均衡与时间序列中的平稳性之间的关系和区别。
声明：本文中所有引用部分，如非特别说明，皆引自Time
Series Analysis with Applications in R.
接触时间序列分析才半年，尽力回答。如果回答有误，欢迎指出。
对第一个问题，我们把它拆分成以下两个问题：
Why stationary?（为何要平稳？）
每一个统计学问题，我们都需要对其先做一些基本假设。如在一元线性回归中（），我们要假设：①不相关且非随机（是固定值或当做已知）②独立同分布服从正态分布（均值为0，方差恒定）。
在时间序列分析中，我们考虑了很多合理且可以简化问题的假设。而其中最重要的假设就是平稳。
The basic idea of stationarity is that&the probability&laws that govern the behavior of the process do not change over time.
平稳的基本思想是：时间序列的行为并不随时间改变。
正因此，我们定义了两种平稳：
Strict stationarity: A time series {} is said to be strictly stationary if the
joint distribution of&,,
· · ·,&is the same as that of,,
· · · ,for all choices of natural number n, all choices of time points&,,
· · · ,&&and all choices of time lag k.
强平稳过程：对于所有可能的n，所有可能的,,
· · · ,&和所有可能的k，当,,
· · ·,的联合分布与,,
· · · ,相同时，我们称其强平稳。
Weak stationarity: A time series {} is said to be weakly (second-order, or co-variance)
stationary if:
① the mean function&&is constant over time, and
② γ(t, t - k) = γ(0, k) for all times t and lags k.
弱平稳过程：当①均值函数是常数函数且②协方差函数仅与时间差相关，我们才称其为弱平稳。
此时我们转到第二个问题：Why
weak stationary?（为何弱平稳？）
我们先来说说两种平稳的差别：
一方面，虽然看上去强平稳的要求好像比弱平稳强，但强平稳并不一定是弱平稳，因为其矩不一定存在。
例子：{}独立服从柯西分布。{}是强平稳，但由于柯西分布期望与方差不存在，所以不是弱平稳。（之所以不存在是因为其并非绝对可积。）
另一方面，弱平稳也不一定是强平稳，因为二阶矩性质并不能确定分布的性质。
例子：,,互相独立。这是弱平稳却不是强平稳。
知道了这些造成差别的根本原因后，我们也可以写出两者的一些联系：
而为什么用弱平稳而非强平稳，主要原因是：强平稳条件太强，无论是从理论上还是实际上。
理论上，证明一个时间序列是强平稳的一般很难。正如定义所说，我们要比较，对于所有可能的n，所有可能的,,
· · · ,&和所有可能的k，当,,
· · ·,的联合分布与,,
· · · ,相同。当分布很复杂的时候，不仅很难比较所有可能性，也可能很难写出其联合分布函数。
实际上，对于数据，我们也只能估算出它们均值和二阶矩，我们没法知道它们的分布。所以我们在以后的模型构建和预测上都是在用ACF，这些性质都和弱项和性质有关。而且，教我时间序列教授说过：&General
linear process(weak stationarity, linearity, causality) covers about 10% of the real data.& ，如果考虑的是强平稳，我觉得可能连5%都没有了。
对第二个问题：
教授有天在审本科毕业论文，看到一个写金融的，用平稳时间序列去估计股票走势（真不知这老兄怎么想的）。当时教授就说：“金融领域很多东西之所以难以估计，就是因为其经常突变，根本就不是平稳的。”
果不其然，论文最后实践阶段，对于股票选择的正确率在40%。连期望50%都不到（任意一点以后要么涨要么跌）。
暑假里自己用了一些时间序列的方法企图开发程序性交易程序。
刚开始收益率还好，越往后就越...后面直接亏损了...（软件是金字塔，第二列是利润率）
亏损的图当时没截，现在也没法补了，程序都删了。
所以应该和平稳没关系吧，毕竟我的做法也没假设是平稳的。如果平稳我就不会之后不盈利了。
（吐槽）自己果然不适合做股票、期货什么的...太高端理解不能...
我是外行，说点我的看法。
平稳不只是对很多实际过程的「简化」，还是我们的「追求」，是一条时间序列里面长期稳定不变的某些规律，是基本模型。
当面对不平稳的过程的时候，我们首先会想着去把这样的过程变换成平稳的，找出里面相对更不随时间变化的、更「平稳」的那些东西来，更平稳的序列有更低的&&。当然，找出这些不变的（或者相对更平稳的）东西来之后，并不代表就一定可以获得真正意义上的预测能力。
举两个例子：
关于强平稳和弱平稳的差别：
第二个问题，均衡跟稳定没有关系。
反对，不会显示你的姓名
平稳性可以说是时间序列的内部逻辑性，也就是说每一期的序列值与前几期之间存在一种一致的结构性变化关系，只有这样我们才能建立模型去分析并预测。其根本原因在于统计学或者计量经济学是从数量规律的角度研究事情，如果事物本身的变化毫无规律，这时候还要用统计或计量去分析，那就毫无意义了
反对，不会显示你的姓名
只知道第一个。
一开始引进平稳，是希望能假设时间序列两个相邻点之间的分布相同，由此则可说明序列的性质不随时间改变。时间序列是随机过程的特例，两个相邻点指的是前后两个不一定独立的随机变量。
这两个随机变量的分布相同，最简单的数学表示就是他们的任意阶矩都相同，这就是强平稳。但显然强平稳没法验证，就退而要求前两阶矩平稳，即前后两个分布均值和方差是一样的。可以感觉这已经是个若得多的条件了，因为均值方差一样而分布不同的例子太多了…
那为什么弱平稳还是应用广泛呢？因为如果假设前后都是正态分布，那前两阶矩就能确定所有阶矩，则弱平稳就相当于强平稳了。
也可以反过来说，因为正态分布的这个性质，所有前两阶矩相等被定义为了弱平稳。
反对，不会显示你的姓名
以前看过一个介绍时间序列平稳性的帖子（跟楼主的问题不符），回忆如下：
假设你看到两个酒鬼（即两个随机游走序列）四处流浪，醉鬼相互不认识（即他们是独立的），所以他们的路径之间没有任何有意义的关系。但假设这两个随机游走序列是醉鬼与他的狗，这时尽管每个单独的路径仍然是一个不可预知的随机游走过程，然而醉酒和狗两者之间的距离是可预见性。例如，如果狗远离于他的主人，狗会倾向于朝他的方向移动，所以这两个随机游走序列有接近的趋势）。醉鬼和他的狗组成了一对协整序列。
如果两个非平稳的时间序列某些线性组合是平稳的，则可以说这两个序列具有协整关系。然后，我们就可以探索序列之间的长期均衡关系了。
反对，不会显示你的姓名
先验均衡何需强平稳；后验离群何谈弱平稳。道可道，非常道！
反对，不会显示你的姓名
问题2：经济学中的平稳性实际也是从演化和博弈中考虑的。是指宏观概率分布的变化率在0附近小波动。不会有偏移，导致系统的转换。，此时的数学解 看来是个“鞍点”
可能这就是你指的强稳定。
反对，不会显示你的姓名
时间序列平稳性我是这样理解的，变量或变量间的各种意义（均值、协方差、方差）只于时间间隔有关，而与时间间隔无关的。也就是说现实生活中经济变量随着时间不表现出变化的一致性，但现实中实际的时间序列数据往往是非平稳的，经济变量表现为一致的上升或下降。平稳的时间序列你可以理解：价格围绕价值上下波动的时间变动！
反对，不会显示你的姓名
可以理解为一种对事实的简化。
反对，不会显示你的姓名
这个问题李子奈的计量经济学相关的书籍里有很详实的解答
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：98378次
积分：1406
积分：1406
排名：千里之外
原创：25篇
转载：116篇
(1)(5)(5)(5)(11)(22)(11)(16)(5)(16)(5)(13)(4)(12)(5)(6)苹果/安卓/wp
积分 54, 距离下一级还需 31 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
作了一天的模型，我现在有点晕，希望大侠们见谅
问题有点多。。。。。
1、建立了一个4元的回归，经过多重现性检验调整后剩下X1，X4，又进行了自相关检验，得到不具有自相关。然后还需要再平稳性检验吗？（单位根检验）？
2、我用的是时间序列，20年的数据
有人说时间序列一定要进行平稳性检验，那应该是在多重线性完后做呢，还是按照我的顺序继续做下去呢？
3、做单位根检验是否要先对X1，X4，Y都去对数在做呢？
我尝试着对Y,X1，X4作了单位根检验，结果如图&&。如果需要这样做的话，以下结果后还需要做什么？模型应该怎么写了？
原来模型是Y=C+BX1+BX2
x1 x4都是2阶单整，Y是2阶无截距无趋势
23:16:05 上传
23:16:04 上传
23:15:56 上传
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
如果是时间序列的话一开始就需要做平稳性检验 如果二阶平稳就不用做三阶的了
如果不是平稳的 那么需要同阶单整下做协整 这样避免伪回归
接着是看下相关性检验 然后就可以建立模型
通常自相关 共线性问题会比较关注 如果这两个问题处理好就OK
建这个模型，花了一整天检验。。。心累。。。不知道中间还有没有遗漏的地方
望大侠们指点~~~拜托~~~
对了，也已经进行了异方差检验了。多重线性---自相关---异方差---平稳性是不是这个顺序呢？
如果是时间序列的话一开始就需要做平稳性检验 如果二阶平稳就不用做三阶的了
如果不是平稳的 那么需要同阶单整下做协整 这样避免伪回归
接着是看下相关性检验 然后就可以建立模型
通常自相关 共线性问题会比较关注 如果这两个问题处理好就OK
胖胖小龟宝 发表于
如果是时间序列的话一开始就需要做平稳性检验 如果二阶平稳就不用做三阶的了
如果不是平稳的 那么需要同阶 ...我提个比较傻的问题
一开始做平稳性检查就是单位跟检查对吗？然后对Y，X1，X2，X3，X4一个个看是几阶的对吗？
假如4个都是二阶的话，但二阶还分3种，要是不一样需要怎么写变量呢？
我现在就假设5个都做好了。知道是二阶了，然后看相关性是要先把他们归回看DW对吗？就是平时做回归就是键入Y C X1 X2 X3 X4.但是第一步做了平稳性后，二阶后，在打入命令时是不是已经要改成其他形式了呢？
我现在就卡在这里，做好后不知道要把原来的模型改成什么形势再输入软件运行
不要沉~~~~
不要沉~~~~
胖胖小龟宝 发表于
如果是时间序列的话一开始就需要做平稳性检验 如果二阶平稳就不用做三阶的了
如果不是平稳的 那么需要同阶 ...你好，我对4个变量做平稳检验后发现，3个是一阶单整，一个是二阶单整。那后面协整是不是就不能做了？直接做相关性检验？
fionaqq2016 发表于
你好，我对4个变量做平稳检验后发现，3个是一阶单整，一个是二阶单整。那后面协整是不是就不能做了？直接 ...理论上是的 因为协整是需要同阶单整的&&不过我看到你的样本是从的 时间跨度不长所以要达到平稳或协整是有难度的
可以考虑先做相关分析
楼主最后怎么定的啊？我也在做时间序列的回归，在平稳性检验和其他检验的顺序不知道是怎么样的？我先做的平稳性检验，貌似和后面的检验没有关系呢
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师}