我在脑海里挣扎了一段时间,这是您的想法吗?任何意见或进一步的想法将不胜感激。
平稳过程是一种生成时间序列值的过程,以使分布平均值和方差保持恒定。严格来说,这称为平稳性的弱形式或协方差/平均平稳性。
平稳性的弱形式是时间序列在整个时间中具有恒定的均值和方差。
简单地说,从业者说,平稳时间序列是没有趋势的-围绕恒定均值波动并且具有恒定方差。
不同滞后之间的协方差是恒定的,它不依赖于时间序列中的绝对位置。例如,t和t-1之间的协方差(一阶滞后)应始终相同(1960-1970年期间与1965-1975年期间或其他任何时期相同)。
在非平稳过程中,该序列不会恢复长期运行。因此,我们说非平稳时间序列并不意味着还原。在那种情况下,方差取决于时间序列中的绝对位置,并且随着时间的流逝方差变为无穷大。从技术上讲,自相关不会随时间衰减,但是在小样本中自相关确实会消失-尽管缓慢。
在固定过程中,冲击是暂时的,并且会随着时间的流逝消散(失去能量)。一段时间后,它们不会对新的时间序列值有所贡献。例如,第二次世界大战之前发生的事件(足够长的时间)产生了影响,但是今天的时间序列就像第二次世界大战从未发生过一样,我们可以说震撼失去了能量或消散。平稳性尤其重要,因为许多经典的计量经济学理论都是在平稳性的假设下得出的。
平稳性的一种强烈形式是,时间序列的分布与波谷时间完全相同。换句话说,原始时间序列的分布与滞后时间序列(有任何数量的滞后)甚至时间序列的子段完全相同。例如,强形式还表明,即使对于子细分市场1950-1960、1960-1970甚至是重叠的时期(如1950-1960和1950-1980),分布也应该相同。这种平稳形式称为强,因为它不假设任何分布。它只说概率分布应该相同。在平稳性较弱的情况下,我们通过均值和方差定义分布。我们可以简化一下,因为我们隐式地假设正态分布,正态分布完全由均值,方差或标准差定义。这只是说序列(在时间序列内)的概率测度与相同时间序列内值的滞后/移位序列的概率测度相同。