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：

1. 按照研究对象的多少，分为一元时间序列和多元时间序列。
2. 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。
3. 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$T$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$T$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$Y_t$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$t(t\in T)$，$Y_t$为随机变量，其分布函数为：$$F_{Y_t}(y)=P(Y_t\le y)$$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$t_1,t_2(t_1,t_2\in T)$，$Y_{t_1},Y_{t_2}$为随机变量，其联合分布函数为：$$F_{Y_{t_1},Y_{t_2}}(y)=P(Y_{t_1}\le y_2,Y_{t_2}\le y_2)$$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$t_1,t_2,\cdots ,t_n(t_1,$