时间序列分析第一章

1. 什么是时间序列？请收集几个生活中的观察值序列。

按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。例如我把每天的生活费记录下来；零售商把每个月的销售额记下来，重要的是时间间隔和量纲要相同。

2. 时域方法的特点是什么？

时域分析方法具有理论基础扎实、操作步骤规范、分析结果易于解释，是时间序列分析的主流方法等特点。

3、时域方法的发展轨迹是怎样的？

1927年,英国统计学家G. U. Yule 提出AR模型(自回归（autoregressive, AR）模型);

1931年,英国统计学家、天文学家G. T. Walker提出MA模型(移动平均（moving average, MA）模型);

1931年,英国统计学家、天文学家G. T. Walker提出ARMA模型(自回归移动平均（autoregressive moving average, AR MA）模型)

1970年,美国统计学家 G.E.P.Box和英国统计学家G.M.Jenkins 提出ARIMA模型(求和自回归移动平均（autoregressive integrated moving average, ARIMA）模型，又称（Box—Jenkins 模型）)出版了《Time Series Analysis Forecasting and Control》;

美国统计学家,计量经济学家Robert F.Engle在1982年提出了自回归条件异方差

（ARCH）模型,用以研究英国通货膨胀率的建模问题;

Bollerslov在1985年提出了广义自回归条件异方差（GARCH）模型;

Nelson等人指数广义自回归条件异方差（EGARCH）模型,方差无穷广义自回归条件异方差（IEGARCH）模型,依均值广义自回归条件异方差（EGARCH-M）模型。

在非线性场合，Granger和Andersen在1978年提出了双线性模型；Howell Ttong在1978年提出了门限自回归模型（分段线性化构造）等等。

模型分类主要有单变量、同方差场合的线性模型：AR, MA, ARMA, ARIMA；异方差场合的线性模型：ARCH, GARCH, EGARCH, IGARCH, GARCH-M；多变量场合的线性模型：协整(co-integration)理论，Granger, Engle 2003Nobel奖；非线性的时间序列分析：（分段线性化）门限自回归模型。

还有时间序列分析软件SAS（Statistical Analysis System）系统专门模块：SAS/ETS(Econometric & Time Series)。