資源描述：
《時(shí)間數(shù)列分析與預(yù)測(cè)講習(xí)會(huì)》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。
1、膃螃螆羀薂螃羈芆蒈螂肁肈莄螁螀芄芀莇袃肇膆莆羅節(jié)蒄蒆蚅肅莀蒅螇芀芆蒄衿肅膂蒃肁袆薁蒂螁膂蕆蒁袃羄莃蒀羆膀艿蒀蚅羃膅蕿螈膈蒄薈袀羈莀薇羂膆莆薆螂罿節(jié)薅襖芅膈薄羇肇蒆薄蚆芃莂薃蝿肆羋螞袁芁膄蟻羃肄蒃蝕蚃袇葿蠆裊肂蒞蠆羇羅芁蚈蚇膁膇蚇蝿羃蒅蚆袂腿莁螅羄羂芇螄蚄膇膃螃螆羀薂螃羈芆蒈螂肁肈莄螁螀芄芀莇袃肇膆莆羅節(jié)蒄蒆蚅肅莀蒅螇芀芆蒄衿肅膂蒃肁袆薁蒂螁膂蕆蒁袃羄莃蒀羆膀艿蒀蚅羃膅蕿螈膈蒄薈袀羈莀薇羂膆莆薆螂罿節(jié)薅襖芅膈薄羇肇蒆薄蚆芃莂薃蝿肆羋螞袁芁膄蟻羃肄蒃蝕蚃袇葿蠆裊肂蒞蠆羇羅芁蚈蚇膁膇蚇蝿羃蒅蚆袂腿莁螅羄羂芇螄蚄膇膃螃螆羀薂螃羈芆蒈螂肁肈莄螁螀芄芀莇袃肇膆莆
2、羅節(jié)蒄蒆蚅肅莀蒅螇芀芆蒄衿肅膂蒃肁袆薁蒂螁膂蕆蒁袃羄莃蒀羆膀艿蒀蚅羃膅蕿螈膈蒄薈袀羈莀薇羂膆莆薆螂罿節(jié)薅襖芅膈薄羇肇蒆薄蚆芃莂薃蝿肆羋螞袁芁膄蟻羃肄蒃蝕蚃袇葿蠆裊肂蒞蠆羇羅芁蚈蚇膁膇蚇蝿羃蒅蚆袂腿莁螅羄羂芇螄蚄膇膃螃螆羀薂螃羈芆蒈螂肁肈莄螁螀芄芀莇袃肇膆莆羅節(jié)蒄蒆蚅肅莀蒅螇芀芆蒄衿時(shí)間數(shù)列分析與預(yù)測(cè)講習(xí)會(huì)許可達(dá)一、前言本講習(xí)會(huì)於二十餘年前由刁錦寰院士創(chuàng)辦，目的在訓(xùn)練政府部門(mén)與統(tǒng)計(jì)相關(guān)業(yè)務(wù)人員及大學(xué)中教授統(tǒng)計(jì)或計(jì)量經(jīng)濟(jì)學(xué)的教師。二、研討會(huì)主要主題與內(nèi)容本次講習(xí)會(huì)的師資有刁錦寰及蔡瑞胸院士?jī)晌辉菏?，陳江、林金龍與韋端三位教授，課程之內(nèi)容則包括1.Mult
3、ivariateNormalandnotations2.VectorMAModels3.VectorARModels4.VectorARMAandnonstationarymodels5.Over-differencingissues6.SpecificationofMixedmodels7.EstimationofVARMAmodels8.ForecastingofVARMAmodels9.SeasonalVARMAmodels10.VolitilityModels11.PrincipalComponentandCanonicalAnalysis1
4、2.CanonicalCorrelationsAnalysis13.ScalarComponentModel14.CausalityTesting15.TaiwanMacroModels三、研究理念或發(fā)表動(dòng)機(jī)本人研究之主要領(lǐng)域牽涉及匯率與利率資料的處理，在研究方法上必然牽涉到時(shí)間數(shù)列的問(wèn)題。加以本人所開(kāi)設(shè)的課程包含研究所的數(shù)量方法，因本人並非學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)出身，有必要再行進(jìn)修研習(xí)以帶給同學(xué)更加充實(shí)的課程內(nèi)容。四、研習(xí)過(guò)程與心得統(tǒng)計(jì)分析可大別為model-based與non-model-based。時(shí)間數(shù)列分析屬於後者。所謂時(shí)間數(shù)列為儲(chǔ)存為相同時(shí)間間距
5、的資料。某些資料，如銷(xiāo)售資料，雖然本身並非時(shí)間數(shù)列，但可儲(chǔ)存為時(shí)間數(shù)列的形式。時(shí)間數(shù)列分析的目的如下：1.Forecasting2.UnderstandingRelationship3.ImpactAnalysis4.Control但單變量時(shí)間數(shù)列忽略第2、3、4項(xiàng)，故需從事多變量時(shí)間數(shù)列分析。早在1920年代，UdnyYule發(fā)展了一套對(duì)平穩(wěn)時(shí)間數(shù)列非常有效的模型，即移動(dòng)平均模型（MovingAverageModel）及自我回歸模型（AutoregressiveModel）。一個(gè)多變量MA（q）可表為如果所有的都是上三角或是下三角，表示可能有單向關(guān)
6、係。在MA時(shí)，一個(gè)Shock的效果消失很快。一個(gè)多變量AR（p）可表為如果所有的都是上三角或是下三角，表示可以有單向的表示方式。在AR時(shí)，一個(gè)Shock的效果消失緩慢。1970年Box與Jenkins提出進(jìn)階的建模技術(shù)並且以遞迴的方式對(duì)時(shí)間數(shù)列資料建構(gòu)模型，稱(chēng)為ARIMA模型，一個(gè)多變量ARMA（p,q）可表為遞迴的方法主要分為三個(gè)步驟：一、暫定模型（ModelIdentification）二、對(duì)未知參數(shù)作有效的估計(jì)（EfficientEstimation）三、診斷性檢查（ModelChecking）－若有必要回到一重做。在模型鑑定階段的首要工作即判
7、定ARIMA（p,d,q）的階數(shù)。一個(gè)資料數(shù)列如果並非平穩(wěn)型（nonstationary），則需整合（intergrated）利用差分方法使數(shù)列成為平穩(wěn)型（stationary）。我們可利用數(shù)列的自我相關(guān)函數(shù)（ACF）來(lái)判定數(shù)列是否為平穩(wěn)型。如數(shù)列為非平穩(wěn)型，其ACF會(huì)維持許多期的正相關(guān)，且ACF的值通常是很緩慢的遞減到0。若模型僅為AR或是MA過(guò)程，則可利用樣本的ACF及樣本的偏自我相關(guān)PACF（partialautocorrelationfunction）來(lái)作為判定p與q階數(shù)的工具。判別的標(biāo)準(zhǔn)如下：ACFPACFMA（q）q期後截?cái)喑手笖?shù)遞減或正
8、負(fù)相間遞減的形式AR（p）呈指數(shù)遞減或正負(fù)相間遞減的形式p期後截?cái)嗥渲薪財(cái)嗟囊饬x為樣本的ACF與PACF僅僅
