你可以将时间序列转换为:
感兴趣的隔离时间分量。
除去滋扰分量的影响(如季节性变化)。
做一个系列固定。
减少虚假的回归效应。
稳定随系列级别增长的可变性。
使两个或多个时间序列更具直接可比性。
您可以将许多数据转换中进行选择,以解决这些(和其他)目的。
例如,你可以使用分解方法来描述和估计时间序列的组件。季节性调整是可以使用删除滋扰季节性成分的分解方法。
趋势化和差异是由于趋势平均转换您可以使用地址非平稳性。差异也可以帮助去除伪回归的效果,由于协整关系。
通常,如果您在对数据建模之前应用数据转换,那么您需要对模型预测进行反向转换,以返回到原始规模。如果要对差异平稳数据进行建模,那么在Econometrics Toolbox™中没有必要这样做。使用华宇
那些不是模型集成系列先天的求差。这方面的一个主要优势是,华宇
还对原有规模自动返回预测。
一些非平稳序列可以建模为一个确定性趋势之和平稳随机过程。也就是说,你可以写系列ÿŤ如
哪里 是一个均值为零的平稳随机过程。
确定性趋势,μŤ,可以有多个组件,如非季节性组件和季节性组件。您可以反趋势(或分解)数据,以识别和估计它的各种组件。非趋势过程如下:
估计确定性趋势分量。
删除从原始数据中的趋势。
(可选的)模型中的剩余的残留系列与适当的平稳随机过程。
有几种技术可以用来估计趋势分量。您可以使用最小二乘法参数化地估计它,使用过滤器(移动平均线)非参数化地估计它,或者两者的结合。
非趋势收益率估计的所有趋势和随机成分,这可能是可取的。然而,估计趋势成分可能需要做出额外的假设,执行额外的步骤,以及估计额外的参数。
差异是从非平稳序列去除平均趋势的替代改造。这种方法是在箱詹金斯方法型号规格主张[1]。根据这一方法,第一步建立模型的差分数据,直到它看上去静止。差异是适合除去随机趋势(例如,随机漫步)。
定义第一个区别是
其中Δ被称为差分操作。在滞后操作符符号中,其中
您可以通过创建滞后算子多项式的对象LagOp
。
类似地,定义该第二差作为
像取导数,以第一差异使得线性趋势常数,取第二差使得二次趋势恒定,等等更高次多项式。许多复杂的随机趋势,也可以通过采取较低阶差分消除。服用d差异形成一个过程d单位根固定。
对于季节周期性系列,季节性差异可以处理季节单位根。对于具有周期性的数据小号例如,季度数据有小号= 4,月数据有小号= 12),季节差分算子定义为
使用差分转换省去了消解趋势所需要的中间估计步骤。但是,这意味着你无法获得趋势和随机成分分别进行估算。
对于具有指数增长和随级数水平增长的方差的级数,一个对数变换可以帮助线性化和稳定级数。如果在时间序列中有负值,那么在进行对数变换之前,应该添加一个足够大的常数,使所有的观察值都大于零。
在某些应用领域,有求差,记录一系列的工作是常态。例如,a的第一差异记录时间序列,
大致利率的变化的系列。
的价格序列变化率被称为回报。而价格序列通常不上下波动恒定的水平,收益率序列通常看起来是静止的。因此,收益率序列通常用于替代在许多应用中价格序列。
有时发表示连续的价格观察Ť和Ť+ 1如ÿŤ和ÿŤ+ 1, 分别。该连续复利级数是变换后的级数
这是木材价格系列的第一个差异,有时也被称为对数收益。
价格系列的替代改造简单的回报,
对于具有相对高的频率(例如,每天或每周观测)系列,两个转变之间的差是小的。计量经济学工具箱有price2ret
对于价格序列转换为返回系列(带是连续的或简单的配混)和ret2price
对于逆操作。
[1]盒,G. E. P.,G. M.詹金斯,和G. C.赖因泽尔。时间序列分析:预测与控制。第3版。新泽西州Englewood Cliffs:Prentice Hall出版社,1994年。