前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >时间序列分析这件小事(七)----协整

时间序列分析这件小事(七)----协整

作者头像
钱塘小甲子
发布2019-01-29 09:36:06
1.5K0
发布2019-01-29 09:36:06
举报
文章被收录于专栏:钱塘小甲子的博客

        真实世界中,其实有很少是平稳时间序列,通常都是含有一定趋势的时间序列,譬如GDP值等等。之前我们说了可以用差分的方法获取平稳序列,但是,一旦差分其实我们丢失了原始序列的一些信息,而且往往很难从实际的意义上去解释差分后拟合的结果,所以今天我们讨论一下“协整”

1.单整

        在说协整之前,我们先讨论一下单整。如果一个序列经过一次差分之后就变成了平稳序列,那么我们就称之为一阶单整序列;如果d次差分之后才变成平稳序列,则称之为d阶单整。

        我们可以知道,平稳序列的线性组合还是平稳序列;平稳序列和一阶单整序列的线性组合是一阶单整,也就是说,一阶单整序列具有占优性质。

        但是,重点来了,两个一阶单整序列的线性组合一定是一阶单整吗?答案是不一定。于是我们得到了另外一种获得平稳序列的方法,就是两个一阶单整的序列的线性组合。

2.协整

ut=m+a*xt+b*yt

如果ut是平稳序列,xt与yt都是一阶单整序列,那么我们就称xt与yt是协整的,(a,b)称为协整向量。

我们先构造两个非平稳序列:

代码语言:javascript
复制
#example 14
set.seed(123)
n=100
u1 = rnorm(n)
xt = cumsum(u1)
u2 = rnorm(n)
yt = 0.6*xt + u2
plot(xt,type = 'l',ylab = '')
lines(yt,lty = 2)
legend('topleft',c('xt','yt'),lty = 1:2,bty = 'n')

很显然,xt与yt都不是序列平稳的。

我们对xt于yt做一个回归,然后残差作为一个时间序列来分析:

代码语言:javascript
复制
#example 15
fm = lm(yt~xt)
et = resid(fm)
plot(et,type = 'o');abline(h=0)
adf.test(et)
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2016年12月05日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1.单整
  • 2.协整
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档