一,随机游走模型(Random walks)
(1)一般形式:
随机游走模型是高度持久的(highly persistent),shock的影响会一直存在在时间序列中。
这个模型有如下数据性质:
那么由上可知,随机游走模型不是一个协方差平稳过程(协方差平稳过程定义:均值为0,方差给定,协方差与t无关,只与h有关),因为它均值不为0,方差不给定,协方差也与t有关,而不是只与h有关。也并非弱相关,因为协方差并不满足弱相关的定义(协方差与t无关,只与h有关,且当h趋近于无穷大时,协方差为0),虽然满足当h无穷大时,趋近于0,但下降速率太小了,要很久很久很久才能到0。判断是否成立某特点时,多从定义出发,而不是只看公式
它的图像可以表示为
现实生活中常用来研究股票价格变动之类的
(2)有常数项的随机游走模型(Random walks with drift)
改变脚标可以依次推出
它是围绕线性时间趋势游走的,也就是围绕一个函数游走的,图形表示如下
这个模型有如下数据性质:
也是不是一个协方差平稳过程,也并非弱相关,它经常用于研究经济增长模型,经济增长有一个增长率。
二,高度一致时间序列(highly persistent time series)的转换
先了解两个定义:
零阶单整 I(0) Integrated of order zero: 就是弱相关。
一阶单整 I(1) Integrated of order one: 一阶差分后是弱相关differecing one time
例如
这样不是弱相关的
如何判断时间序列是否是I(1):用一阶自然回归去判断——
假设需要验证的模型有如下的关系:
三,动态完备模型Dynamically Complete models
方程中未出现的滞后项对解释当期y没有任何贡献,当期y只由当期自变量解释
这个模型一定具备序列无关性,只与当期变量有关
如果滞后项不能向该模型一样被排除则可能存在秩序相关
相关定义——序列外生性Sequential exogeneity
滞后自变量弱于严格外生性,只能从当前时间点往前推,等价于自变量包括了滞后项的动态完备模型
以上就是对随机游走模型,高度一致时间序列的转换,动态完备模型的简单介绍