三个变量存在一个协整方程_时间序列 | 多变量序列

本文探讨多变量时间序列分析,强调了在单变量序列中平稳性的重要性。对于不平稳的多变量序列,除了常见的差分方法外,引入了Engle和Granger提出的协整概念作为解决手段。协整在宏观时间序列分析中占据核心地位,为处理非平稳序列提供了新的视角。
摘要由CSDN通过智能技术生成

单变量时间序列讲完了,相信很多人都还意犹未尽,毕竟什么协整啊误差修正模型啊都是有(bi)趣(kao)的。因此今天特地新开一坑,讲讲多变量时间序列。阅读本文需要对单变量序列的知识有所了解(不知道的戳这里),否则脑袋可能会需要冰敷。

学过单变量模型的都知道,平稳性在时间序列中是非常重要的。我们说对于一个单变量时间序列

,平稳性分为严格平稳和弱平稳(又称协方差平稳)。我们通常讨论的平稳性都是协方差平稳,平稳的序列称为I(0)序列——即差分0次之后可以得到平稳序列。平稳的序列可以用常用的ARMA模型进行拟合。

但对于多变量时间序列来说,问题就会变得复杂。比方说

是一个多变量时间序列,它包含k个变量:

在通常情况下,如果每一个

都是平稳的,
基本上也可以说是平稳的。那这种情况下,我们就可以直接分析这个多变量序列,最常见的是VARMA模型(Vector Autoregression Moving Average,向量自回归移动平均模型),也就是ARMA的多变量版。通常情况下,我们用的更多的是VAR&#
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值