第一章 时间序列基础知识
一、关于时间序列分析
截面数据: 某一类指标,在同一时点上对不同个体的观察数据。
时间序列数据: 某一类指标,在不同时点上对同一个体的观察数据。
时间序列(time series): 按时间的先后顺序排列形成的一组随机变量。
时间序列分类:
- 按照研究对象的多少,分为一元时间序列和多元时间序列。
- 按照观察时间的连续与否,分为离散时间序列和连续时间序列。
- 按照时间序列的统计特性,分为平稳时间序列和非平稳时间序列。
二、时间序列的基本概念
1、随机过程
随机过程(stochastic process): 一组有序的随机变量,可以记为 { Y t , t ∈ T } \{Y_t,t\in T\} {
Yt,t∈T}。
连续型随机过程: 若 T T T为连续集,则 { Y t } \{Y_t\} {
Yt}为连续型随机过程。
离散型随机过程: 若 T T T为离散集,则 { Y t } \{Y_t\} {
Yt}为离散型随机过程。
时间序列: 具有离散型时间指标集的随机过程,通常表示为 { Y t , t = ⋯ , − 2 , − 1 , 0 , 1 , 2 , ⋯ } \{Y_t,t=\cdots,-2,-1,0,1,2,\cdots\} {
Yt,t=⋯,−2,−1,0,1,2,⋯}。
样本序列: 随机变量 Y t Y_t Yt在时间上的取值,也就是 { Y t } \{Y_t\} {
Yt}的一个样本,通常表示为 { y t , t = ⋯ , − 2 , − 1 , 0 , 1 , 2 , ⋯ } \{y_t,t=\cdots,-2,-1,0,1,2,\cdots\} {
yt,t=⋯,−2,−1,0,1,2,⋯}。
时间序列与样本序列的关系: 样本序列是时间序列的一次实现。目的:揭示时间序列的性质。手段:通过样本序列的性质进行推断。
2、随机过程的分布及其特征
随机过程的分布: 设 { Y t } \{Y_t\} { Yt}为一随机过程,
- 对于任意一个 t ( t ∈ T ) t(t\in T) t(t∈T), Y t Y_t Yt为随机变量,其分布函数为: F Y t ( y ) = P ( Y t ≤ y ) F_{Y_t}(y)=P(Y_t\le y) FYt(y)=P(Yt≤y)这一分布为随机过程 { Y t } \{Y_t\} { Yt}的一维分布。
- 对于任意给定的 t 1 , t 2 ( t 1 , t 2 ∈ T ) t_1,t_2(t_1,t_2\in T) t1,t2(t1,t2∈T), Y t 1 , Y t 2 Y_{t_1},Y_{t_2} Yt1,Yt2为随机变量,其联合分布函数为: F Y t 1 , Y t 2 ( y ) = P ( Y t 1 ≤ y 2 , Y t 2 ≤ y 2 ) F_{Y_{t_1},Y_{t_2}}(y)=P(Y_{t_1}\le y_2,Y_{t_2}\le y_2) FYt1,Yt2(y)=P(Yt1≤y2,Yt2≤y2)这一分布为随机过程 { Y t } \{Y_t\} { Yt}的二维分布。
- 对于任意给定的 t 1 , t 2 , ⋯ , t n ( t 1 , t 2 , ⋯ , t n ∈ T ) t_1,t_2,\cdots,t_n(t_1,t_2,\cdots,t_n\in T) t1,t2,⋯,tn(t1,