经济时间序列趋势模型的辨析

趋势平稳过程和随机趋势过程是刻画经济时间序列的两种截然不同的随机过程,对于经济建模分析具有不同的影响.文章从基本概念、技术处理和经济涵义上对这两种过程进行了全面的阐述和分辨,并利用渐近分布理论对于两种过程参数的统计关系进行了研究.从中讨论了单位根检验存在的问题,并给出相应的建议.     

分整时间序列视角下我国财政可持续性的再讨论

文章结合财政收支协整分析理论,利用较先进分整时间序列的分析方法对我国2009～2013年间国家财政可持续性进行了再检验.基于实证分析检验的结果,文章的结论为:①我国财政收支月度数据是典型的长记忆性数据,这意味着一旦我国财政收支受到外生冲击影响偏离均值过程,则即外生扰动对我国财政收支的影响持续时间会比单位根或平稳时间序列的情况下更长;②我国财政具有弱可持续性,说明我国2008年后新一轮财政扩张政策的短期风险仍然可控,但是财政弱可持续也意味着中长期政府债券融资能力下降,中长期财政仍存在风险.     

时序模型分析在经济预测中的应用

时间序列分析方法主要就是建立模型,目的是为了描述时间序列中产生数据的随机机制与趋势,以此模型来判断在某一时间或随机机制下会发生的数据达到预测和控制的目的。时间序列可分为平稳的时间序列和非平稳的时间序列,大部分经济时间序列为平稳的时间序列。对于平稳的时间序列进     

检验式设定错误对时间序列单位根检验小样本性质的影响

首先对单位根检验的两类常见的数据生成系统进行比较，然后利用蒙特卡洛实验研究了时间序列单位根检验式的设定问题。研究发现在利用DF检验和DF-GLS检验进行时间序列的单位根检验时，检验式设定错误直接影响着检验结果，尤其在推断时间序列是趋势平稳过程还是有时间趋势项的随机游走过程或有二阶时间趋势多项式的随机游走过程时，检验式的错误设定很容易将趋势平稳过程误判为非平稳过程。     

中国国家财政支农支出的时间序列分析

一、模型与数据的选择时间序列模型可以分为平稳的时间序列模型和非平稳时间序列。一个平稳的时间序列要求其数字特征如均值、方差和协方差等不随时间的变化而变化。而且在各个时间点上的时间序列服从一定的概率分布。相反,非平稳时间序列的数字特征随时间的变化而变化,各个点上的随机规律也是变化的,可见非平稳时间序列较平稳时间序列更没有规律,用于预测更困难,而在现实中遇到的经济和金融数据大多数是非平稳的时间     

时间序列计量经济模型的平稳性检验

一、平稳随机过程任何时间序列数据都可看成由一个随机过程产生的结果,即随机过程的一个(特殊的)实现,也就是一个样本。如果一个随机过程的均值和方差在时间过程上都是常数,并且在任何两时期之间的     

基于自相关视角的弱平稳过程之间的伪回归分析

随机干扰项之间的未知形式自相关是导致相互独立的弱平稳过程之间伪回归的主要原因.通过理论分析和一系列的蒙特卡罗模拟,揭示了数据过程本身的持久性、样本容量T和随机干扰项自相关之间的内在联系.研究发现随机干扰项往往呈现出与数据过程阶数相同的自相关.进一步研究表明,运用广义差分法和Cochrane- Orcutt迭代法虽然能大大减少伪回归概率,但在有些情况下,即使当样本容量较大时,较高阶的Cochrane- Orcutt迭代法仍然无法避免伪回归的发生.     

上证指数与深成指间协整关系的非参数检验

一、引言 在时间序列中常会发现两个变量存在一种长期稳定关系,C.J.Granger把这种长期稳定关系称为"协整关系".传统的协整分析方法是通过对序列差分将其转化为平稳序列,得出其中的线性均衡关系,这种协整关系可称为线性协整.线性协整的建模理论是从实际的数据生成过程出发,在非平稳序列中寻找可能存在的长期线性均衡关系,以建立序列的结构模型,从而反映序列的运行机制.     

统计方法的几何学研究

文章利用投影定理,推导出平稳时间序列的预报、线性回归模型参数的估计量和假设检验的统计量,并用几何直观图像形象地解释了时间序列未来值的预报,即未来值在现时值和过去值所生成空间中的投影,使对复杂的统计方法的理解变得简单易懂。     

灰色·马尔柯夫模型在棉花产量预测中的应用

传统的灰色模型GM(1,1)主要适用于预测时间短,数据资料少,波动不大的系统对象,其预测趋势都是一条较为平滑的曲线,对于随机波动性较大的数据序列拟合较差,预测精度较低.而在马尔柯夫链理论中,转移概率pii可以反映随机因素的影响程度,因此适用于预测随机波动大的动态过程.这恰恰可以弥补灰色预测的局限.但马氏链预测对象要求具有马氏链和平稳过程等均值的特点,而客观世界中的预测问题大量是随时间变化或呈某种变化趋势的非平稳过程.如若采用灰色GM(1,1)模型对预测问题的时序数据进行拟合,找出其变化趋势,则可以弥补马氏链预测的局限.因此将GM(1,1)模型与马尔柯夫预测模型有机地结合,既可优势互补,又克服了两者的不足.     

基于奇异值分解去势的非线性趋势序列单位根检验研究

 如何克服ADF与PP单位根检验法对非线性趋势平稳序列的伪检验,提高单位根检验的功效,是非平稳时间序列分析的重要问题。本文基于奇异值分解的思路,构造出检验非平稳时间序列单位根的SVD-RMA检验法,此方法将时间序列的趋势项与干扰项分离,然后用递归均值调整法对干扰项进行检验。仿真实验表明,SVD-RMA法对线性与非线性趋势、甚至结构突变过程的检验功效都非常好;对非线性趋势平稳的检验而言,SVD-RMA检验得到正确结论的可能性要远远好于ADF与PP检验。     

基于秩方法的TAM估计

一、问题的提出作为统计学一个重要分支学科 ,现代时间序列分析的发展十分惊人 ,尤其是近二十年来 ,人们已不再满足于平稳、线性的时间序列分析 ,如AR、MA、ARMA、ARIMA等 ,越来越多的人将视野投向非平稳时间序列、谱分析、时间序列的线性系统、非线性时间序列及非线性系统、空间序列、不等间隔抽样等问题的研究。TAM模型属于非线性时间序列分析的范围 ,是我国香港地区的学者汤家豪 (参见 [12 ,13])先生于 1978年提出来的 ,由于该模型具有一些重要的性质特征 ,如比 :设置“门坎”(门限 ) ,然后通过门限的控制作用 ,保障模型自身的稳…     

财经类高校《时间序列分析》课程教学模式的探讨

时间序列分析基于随机过程理论和数理统计学方法,是处理动态数据,进行分析、预测与控制的基础分析工具,在经济学、社会科学、工程技术、地理、生物医学等众多领域都有广泛的应用。《时间序列分析》作为统计学专业的专业必修课程在各个高校都已开设。近     

时间序列分析的AR模型在全社会消费品零售总额预测中的应用

全社会消费品零售总额是一个与宏观经济运行状况有重要关系的经济变量,本文对全社会消费品零售总额作时间序列分析,建立AR模型进行趋势预测.我们以1987年至1995年的统计数据,作为时间序列分析的样本观测值,数据单位为人民币亿元,样本长度n=18.首先,假定全社会消费品零售总额x_t是一个平稳时间序列,为选择适当的描述x_t增长与变化规律的数字模型,我们对样本观测值进行数据分析,由公式     

基于灰色系统的组合预测模型的建模方法

本文基于灰色系统理论,提出一种非平稳时间序列预测模型的建模方法。该方法首先利用灰色系统模型提取时间序列的趋势项;然后利用样本周期图拟合周期项;最后对去掉趋势项和周期项的序列建立模型,从而完成非平稳时间序列的总体建模。     

关于我国上证指数突变点的研究

文章引入了对突变点检验的贝叶斯推断方法,介绍了该方法在指数族分布尤其是正态分布下突变点检验的基本理论,并应用该理论研究了我国上证指数的突变点问题.结果表明,上证指数序列在2005年11月附近存在突变点;加入突变点后,上证指教序列不再是单位根过程,而是趋势平稳过程.     

中国宏观经济变量的结构突变单位根检验

文章首先比较系统地总结了有关结构突变单位根检验的理论、方法和模型。在考虑经济中结构突变的基础上对中国宏观经济总量的时间序列是具有单位根的非平稳还是趋势平稳进行了研究,为提高检验功效,应针对数据生成过程的特点联合多种检验方法进行检验。     

基于季节性ARIMA模型的居民消费水平预测

文章以居民消费价格指数(CPI)的短期预测作为切入点,采用定量的时间序列分析方法,建立季节自回归综合移动平均(季节性ARIMA模型)模型对CPI时间序列进行量化分析.首先阐述基于该模型的CPI预测的一般过程,即:平稳化处理、差分变换的阶数辨识、参数估计,时间序列模型的构建,然后对模型进行性能检验,确定较适合的季节自回归综合移动平均模型,最后在实证分析中探讨经济变量CPI与时间变量之间的变动规律,对CPI时间序列进行适当的差分处理,取得了较为理想的预测效果.     

货币流通速度的趋势稳定研究——基于弹性傅里叶单位根检验的实证分析

不同国家的货币流通速度在不同的经济发展阶段呈现出不同的趋势。传统的单位根检验忽视了货币流通速度本身可能存在的非线性趋势,将货币流通速度视为非平稳单位根过程。利用弹性傅里叶单位根检验方法,重点针对剔除了非线性趋势的货币流通速度时间序列,选取较有代表性的11个国家,对这些国家的货币流通速度时间序列进行实证分析。研究结果表明,多数国家的货币流通速度是非线性平稳过程,实证结果进一步支持了货币政策有效性的结论。     

一种协整时间序列的动态因果效应估计与推断方法

为了进一步规避经典面板数据模型因果推断方法中对照样本异质性的问题,以及中断时间序列方法可能存在的“伪回归”问题和“二阶矩平稳”等条件的限制,本文借助时间序列的协整理论,并结合误差修正模型和结构突变检验方法提出了一种基于协整时间序列的实验设计方法,扩展了政策因果效应估计与推断方法。该方法将传统的趋势平稳过程中断时间序列扩展到随机趋势过程,不仅可以推断和估计处理效应,而且解决了政策效应的暂时性和持续性识别问题;另外,协整时间序列的因果效应推断方法更适用于不存在有效对照样本的政策因果效应分析。此外,本文评估了上海市和重庆市的房地产税试点政策,研究发现,长期来看试点政策对两市的商品房价格增长具有抑制作用,但政策效应表现出显著的差异性,上海市的试点政策对抑制房价上涨的力度大、起效快速,但重庆市的房产税政策存在较长期的时滞。