时间序列分析:非平稳序列的确定性分析
一. 时间序列分解
1.Wold分解定理
对于任何离散平稳过程{Xt}它都可以分解为两个不相关的平稳序列之和其中一个为确定性的,另外一个为随机性的。
2.Gramer分解定理
任何一个时间序列都可以分解成两部分的叠加,其中一部分是由多项式决定的确定性趋势成分,另外一部分是平稳的零均指误差成分。
Gramer分解定理说明任何一个时间序列的波动都可以视为同时受到了确定性影响和随机性影响的作用。平稳时间序列要求这两方面影响都是确定的,而非平稳序列产生的机理就在于它所受到的这两方面影响至少有一个方面是不稳定的。
二. 确定性因素分解
通常,由确定性因素导致的非平稳会显示出明显的规律性,比如显著的趋势或固定的周期。我们把这些容易提取的确定性因素提取出来便是确定性因素分解。
常见的四大确定性因素:
(1)长期趋势
(2)循环波动
(3)季节性变化
(4)随机波动
综合以上因素对时序的影响,我们可以建立以下两个模型:
(1)加法模型:
(2)乘法模型:
如果观察期不是特别长,人们将循环因素(Ct)改成了交易日因素(Dt),改进模型如下:
(1)加法模型:
(2)乘法模型:
我们对确定性时序分析的目的有以下两种:
(1)克服其他因素的影响,单纯测度出某一各确定性因素对序列的影响。
(2)推断出各种确定性因素彼此之间的相互作用关系以及他们对序列的综合影响。
三. 趋势分析
1.趋势拟合法
趋势拟合法j就是把时间作为自变量,相应的序列观测值作为因变量,建立序列值随时间变化的回归模型的方法。
(1)线性拟合
R语言使用lm(Y~a+X1+x2+....+Xn,data=)
Y:响应变量
a:是否需要常数项,1表示需要
X1:自变量
data:数据框名字
例子:
读入数据:
x<-c(8444,9215,8879,8990,8115,9457,8590,9294,8997,9574,9051,9724,9120,
10143,9746,10074,9578,10817,10116,10779,9901,11266,10686