第四章平稳金融时间序列:AR模型 4.1 基本概念 4.2一阶自回归模型AR(1) 4.3二阶自回归模型AR(2) 4.4 p阶自回归模型AR(p)
2 第四章 平稳金融时间序列:AR模型 4.1 基本概念 4.2 一阶自回归模型 AR(1) 4.3 二阶自回归模型 AR(2) 4.4 p阶自回归模型 AR(p)
4.1 基本概念 4.1.1随机过程与数据生成过程 随机过程: 从随机概率论的概念出发,随机过 程是一系列或一组随机变量的集合,用 来描绘随机现象在接连不断地观测过程 中的实现结果。对于每一次观测,得到 一个观测到的随机变量
4.1 基本概念 4.1.1 随机过程与数据生成过程 随机过程: 从随机概率论的概念出发,随机过 程是一系列或一组随机变量的集合,用 来描绘随机现象在接连不断地观测过程 中的实现结果。对于每一次观测,得到 一个观测到的随机变量
如果使用数学语言来定义随机函 数,给定一个时间域T,对于T中每一 个参数t,都有一个取值于确定集合W 的随机变量ys),其中s属于一个特定 的样本区间。所以对于一个给定的t, Y(s)是一个随机变量。对于一个确定的 样本s,Y(S)就是在s上的一组实现值,而 集合Y(S),t∈T}就是一个随机过程
如果使用数学语言来定义随机函 数,给定一个时间域T,对于T中每一 个参数t,都有一个取值于确定集合W 的随机变量 ,其中s属于一个特定 的样本区间。所以对于一个给定的t, 是一个随机变量。对于一个确定的 样本s, 就是在s上的一组实现值,而 集合 就是一个随机过程。 ( ) t Y s ( ) t Y s ( ) t Y s { ( ), } t Y s t T
数据生成过程: 利用下面的回归模型来说明,即: y=Bx,+e,,:ii.d.(0,o0),t=1,2,L,T 假设模型中所有系数已知或者是已 经设立了的,那么给定解释变量x的一 组观测值,回归模型就可以生成对应的 一组y,值,则模型就是一个数据生成过 程
数据生成过程: 利用下面的回归模型来说明,即: 假设模型中所有系数已知或者是已 经设立了的,那么给定解释变量 的一 组观测值,回归模型就可以生成对应的 一组 值,则模型就是一个数据生成过 程。 2 0 0 , . . .(0, ), 1,2, , t t t t y x i i d t T = + = : Lt x t y
DGP适用于理论上的问题与真实世 界的事例之间的比较。 例如:中国国际股票指数和随机游走 过程看上去相似吗?股票的收益率序列 符合白噪音过程吗?
DGP适用于理论上的问题与真实世 界的事例之间的比较。 例如:中国国际股票指数和随机游走 过程看上去相似吗?股票的收益率序列 符合白噪音过程吗?
图4.1数据生成过程(右侧坐标) 与现实中的金融随机变量 160 DGP:Y(t)=Y(t-1)+e 120 ----China International Stock Price .0 80 A 40 8 12 1994 1996 1998 2000 2002 2004 2006
图4.1 数据生成过程(右侧坐标) 与现实中的金融随机变量 0 40 80 120 160 -12 -8 -4 0 4 1994 1996 1998 2000 2002 2004 2006 DGP: Y(t)=Y(t-1)+e China International Stock Price
图4.1数据生成过程(右侧坐标 )与现实中的金融随机变量 600 6 400 DGP:WHITENOISE ----RETURN 200 2 祥喻 200 400 1994 1996 1998 2000 2002 2004 2006
图4.1 数据生成过程(右侧坐标 )与现实中的金融随机变量 -400 -200 0 200 400 600 -4 -2 0 2 4 6 1994 1996 1998 2000 2002 2004 2006 DGP:WHITENOISE RETURN
4.1.2自协方差与自相关函数 假定y是一个随机变量,自协方差 定义的是y,与其自身滞后期之间的协方 差,即“自身的协方差”。常见的协方 差的基本定义是: Cov(X,Y)=E[X-E(X)][Y-E(Y)] 其中:E[]表示期望。从而可以知道,y 与其自身滞后j期y,之间的协方差定义 为:y,=[y-E(0-E0】小j=0,山,+2,L
4.1.2 自协方差与自相关函数 假定 是一个随机变量,自协方差 定义的是 与其自身滞后期之间的协方 差,即“自身的协方差”。常见的协方 差的基本定义是: 其中: 表示期望。从而可以知道, 与其自身滞后j期 之间的协方差定义 为: t y t y Cov X Y E X E X Y E Y ( , ) ( ) ( ) = − − E[ ] t y t j y − j t t t - j t - j = − − = E y E y y E y j ( ) ( ) , 0, 1, 2, L
对于均值保持不变的随机过程来说, y,=E[y-4][yy-4,j=0,1,2,L j=0时,即为方差: o=ar(y,)=E[y-4][yw-4]
对于均值保持不变的随机过程来说, 时,即为方差: , 0, 1, 2, j t t - j = − − = E y y j L 0 = = − − Var y E y y ( )t t t-0 j = 0
随机变量x和y的相关系数模型为: Cov(x,y) P=ar(x)Var(y) 自相关函数,即y,与y的自相关 函数定义为: Cov(y,yj) DVa(y.)War( =,j=0,+1,+2,L 一般将P相对于滞后期数j绘制出的 图示称为自相关图
随机变量x和y的相关系数模型为: 自相关函数,即 与 的自相关 函数定义为: 一般将 相对于滞后期数j绘制出的 图示称为自相关图。 ( , ) ( ) ( ) Cov x y Var x Var y = t y t - j y ( , ) , 0, 1, 2, ( ) ( ) t t - j j t t - j Cov y y j Var y Var y = = L j