金融时间序列分析

：）系（院 线 订 ：装 业 专 过 超 ： 级得 班 不 案 ： 名 姓答 ：号学 云南财经大学 2013 至 2014 学年 第二 学期 《金融时间序列分析》 课程期中考试试卷 共6页 得一 二 三 四 总分 复 分 核 人 阅 卷 人 得 分 评卷人 一．名词解释（每小题5分，共20分）

1. 零均值白噪声序列

2. 严平稳序列

3. 自协方差函数

4. 均方意义下收敛

- 1 -

得 分 评卷人 二．简答题（每小题10分，共20分）

1. 请简述ARMA(p,q)序列的之平稳域的定义。

2. 请简要描述Ljung-Box检验的过程（包括原假设、备择假设、统计量的定义和抽样分布）

- 2 -

得 分 评卷人 三．计算分析题（每小题15分，共45分）

?独立且服从N(0,1)。1. 设Xt??cos(t)??

第1节 有关单位过程的极限分布

对单位根过程这种非平稳序列的分析，传统分析方法失效，需寻找新的处理方法。这些新的分析方法都是建立在维纳过程（布朗运动）和泛函中心极限定理之上的。

一、 维纳过程

维纳过程(Wiener Process)也称为布朗运动过程(Brownian Motion Process)，是现代时间序列经济计量分析中的基本概念之一。设W(t)是定义在闭区间[0，1]上一连续变化的随机过程，若该过程满足：

(a) W(0)=0；

(b) 对闭区间[0，1]上任意一组分割0?t1?t2???tk?1，W(t)的变化量：

W?t2??W?t1?,W?t3??W?t2?,?,W?tk??W?tk?1?

为相互独立的随机变量；

(c) 对任意0?s?t?1，有

W(t)?W(s)~N(0,t?s) (5.2.1)

则称W(t)为标准维纳过程（或标准布朗运动过程）。

从定义我们可以看出，标准维纳过程是一个具有正态独立增量的过程。由定义显然有：

W(t)?W(t)?W(0)~N(0,t) (5.2.2)

W(1)~N(0,1)

即标准维纳过程W(t)在任意时刻t服从正态分布。

：）系（院 线 订 ：装 业 专 过 超 ： 级得 班 不 案 ： 名 姓答 ：号学 云南财经大学 2013 至 2014 学年 第二 学期 《金融时间序列分析》 课程期中考试试卷 共6页 得一 二 三 四 总分 复 分 核 人 阅 卷 人 得 分 评卷人 一．名词解释（每小题5分，共20分）

1. 零均值白噪声序列

2. 严平稳序列

3. 自协方差函数

4. 均方意义下收敛

- 1 -

得 分 评卷人 二．简答题（每小题10分，共20分）

1. 请简述ARMA(p,q)序列的之平稳域的定义。

2. 请简要描述Ljung-Box检验的过程（包括原假设、备择假设、统计量的定义和抽样分布）

- 2 -

得 分 评卷人 三．计算分析题（每小题15分，共45分）

?独立且服从N(0,1)。1. 设Xt??cos(t)??

第1章 差分方程和滞后算子

第一节 差分方程

一．一阶差分方程

假定t期的y（输出变量）和另一个变量w（输入变量）和前一期的y之间存在如下动态方程：

yt??yt?1?w （1）

则此方程为一阶线性差分方程，这里假定w为一个确定性的数值序列。差分方程就是关于一个变量与它的前期值之间关系的表达式。一阶差分方程的典型应用为美国货币需求函数：

mt?0.27?0.72mt?1?0.19It?0.045rbt?0.019rct

wt?0.27?0.19It?0.045rbt?0.019rct

其中mt为货币量，It为真实收入，rbt为银行账户利率，rct为商业票据利率。 1）用递归替代法解差分方程 根据方程（1），可以得到

012?ty0??y?1?w0y1??y0?w1y2??y1?w2 （2） ?yt??yt?1?wt如果我们知道t??1期的初始值y?1和w的各期值，则可以通过动态系统得到任何一个时期的值。即

yt??t?1y?1??tw0??t?1w1?....?wt （3）

这个过程称为差分方程的

1、ARIMA模型 1.1 模型的适用条件与构建过程 1.2 EVIEWS操作简单说明 1.3 模型构建实例2、季节时间序列模型 2.1 确定性季节时间序列模型 2.2 随机性季节时间序列模型

时间序列建模分析 及EVIEWS应用

1、ARIMA模型 1.1 模型的适用条件与构建过程 1.2 EVIEWS操作简单说明 1.3 模型构建实例2、季节时间序列模型 2.1 确定性季节时间序列模型 2.2 随机性季节时间序列模型

目录1、ARIMA模型1.1 模型的适用条件与构建过程 1.2 EVIEWS操作简单说明 1.3 模型构建实例

2、季节时间序列模型2.1 确定性季节时间序列模型 2.2 随机性季节时间序列模型

1、ARIMA模型 1.1 模型的适用条件与构建过程 1.2 EVIEWS操作简单说明 1.3 模型构建实例2、季节时间序列模型 2.1 确定性季节时间序列模型 2.2 随机性季节时间序列模型

时间序列的预处理：拿到一个时间序列后，首先要对它的平 稳性和纯随机性进行检

1 第1章 差分方程和滞后算子

第一节 差分方程

一．一阶差分方程

假定t 期的y （输出变量）和另一个变量w （输入变量）和前一期的y 之间存在如下动态方程：

1t t y y w φ-=+ （1）

则此方程为一阶线性差分方程，这里假定w 为一个确定性的数值序列。差分方程就是关于一个变量与它的前期值之间关系的表达式。一阶差分方程的典型应用为美国货币需求函数：

10.270.720.190.0450.019t t t bt ct m m I r r -=++--

0.270.190.0450.019t t bt ct w I r r =+--

其中t m 为货币量，t I 为真实收入，bt r 为银行账户利率，ct r 为商业票据利率。

1）用递归替代法解差分方程

根据方程（1），可以得到

010********

1

2

t t t

y y w y y w y y w t y y w φφφφ--=+=+=+=+

（2） 如果我们知道1t =-期的初始值1y -和w 的各期值，则可以通过动态系统得到任何一个时期的值。即

11101....t t t t t y y w w w φφφ+--=++++

张老师的金融计量课作业答案 R软件

1.1

a.用百分数表示简单月收益率（略）

b.简单收益率换成对数收益率（略） c.把对数收益率用百分比表示出来（略）

d.对数收益率零均值检验（ =0.05） 1>对于American Express data: dailylogre$V2

t = 1.6044, df = 2518, p-value = 0.1087

alternative hypothesis: true mean is not equal to 0

95 percent confidence interval: -0.01596993 0.15972365 sample estimates: mean of x 0.07187686 故接受原假设

2>对于Caterpillar data: dailylogre$V3

t = 1.4369, df = 2518, p-value = 0.1509

alternative hypothesis: true mean is not equal to 0

95 percent confidence interval:-0.02245558 0.14560208 sample estima

第1章 差分方程和滞后算子

第一节 差分方程

一．一阶差分方程

假定t期的y（输出变量）和另一个变量w（输入变量）和前一期的y之间存在如下动态方程：

yt??yt?1?w （1）

则此方程为一阶线性差分方程，这里假定w为一个确定性的数值序列。差分方程就是关于一个变量与它的前期值之间关系的表达式。一阶差分方程的典型应用为美国货币需求函数：

mt?0.27?0.72mt?1?0.19It?0.045rbt?0.019rct

wt?0.27?0.19It?0.045rbt?0.019rct

其中mt为货币量，It为真实收入，rbt为银行账户利率，rct为商业票据利率。 1）用递归替代法解差分方程 根据方程（1），可以得到

012?ty0??y?1?w0y1??y0?w1y2??y1?w2 （2） ?yt??yt?1?wt如果我们知道t??1期的初始值y?1和w的各期值，则可以通过动态系统得到任何一个时期的值。即

yt??t?1y?1??tw0??t?1w1?....?wt （3）

这个过程称为差分方程的

第九章 传统时间序列分析

时间序列的变动主要是由长期趋势、循环波动、季节变动及不规则变动而形成的，其中前三种变动有一个共同的特点，就是依一定的规则而变化，不规则变动则在综合中可以消除。基于这种认识，本章主要是介绍设法消除不规则变动，拟合确定型趋势，因而形成了一系列确定型时间序列分析方法。

实验一 季节模型

实验目的：

掌握季节调整的方法。 实验内容：

对时间序列进行季节调整。 知识准备：

经济时间序列的变化受许多因素的影响，概括地讲，可以将影响时间序列变化的因素分为四种，即长期趋势（T，随着时间的变化，按照某种规律稳步地增长、下降或保持在某一水平上）、季节变动因素（S，在一个年度内依一定周期规则性变化）、周期变动因素（C，以若干年为周期的波动变化）和不规则变动因素（I，许多不可控的偶然因素共同作用的结果）。传统时间序列分析应是设法消除不规则变动，指拟合确定性趋势，因而形成了长期趋势分析、季节变动分析和循环波动测定等一系列确定型时间序列分析方法。

季节变动是一种较为普遍的现象，其按照一定的周期循环进行，而且每个周期变化强度大体一致。研究季节变动的目的在于了解季节变动的规律，并进行季节预测。分析季节变动的方法有很多，其中常用的方法有两类：一是不考

深圳大学研究生课程论文

题目 对时间序列分析方法的学习报告 成绩

专业 软件工程(春) 课程名称、代码 数据库与数据挖掘 142201013021

年级 2013 姓名 朱文静

学 号 20134313005 时间 2014 年 11 月

任课教师 傅向华

1时间序列分析方法及其应用综述

1.1时间序列分析概念

时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。

时间序列是按时间顺序的一组数字序列。时间序列分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析是定量预测方法之一，它的基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响，为此要利用统计分