时间序列分析的一般框架【整理】

时间序列分析在金融相关领域中有着重要的应用，下面的框架是进行时间序列分析的一般性方法和步骤

------------------------------------------------------------------------------------------------------

1、时间序列分析只有一组时间序列数据，要预测下一期的数据。回归可以用来预测，但是由于时间序列分析只有一组数据（因变量），缺少自变量，因此要解决自变量的问题。

 

2、线性趋势模型（Linear trend model）就是用时间（t）来做自变量的一元回归模型，这就解决了缺少自变量的问题。但是时间序列数据不一定与时间t线性相关，很有可能是加速上升或者加速下降的。因此，做线性回归之后可能存在自相关。

 

3、拿到一组时间序列数据，我们先做线性趋势模型，然后用Durbin Watson检验来检验自相关。如果Durbin Watson检验不能拒绝原假设（没有自相关），那么就用线性趋势模型；如果Durbin Watson检验拒绝原假设（有自相关），那么就用对数线性趋势模型。

 

4、对数线性趋势模型（Log-linear trend model）作完之后，仍然用Durbin Watson检验来检验自相关。如果Durbin Watson检验不能拒绝原假设，那么就用对数线性趋势模型；如果Durbin Watson检验拒绝原假设，那么就用自回归模型。