CFA二級(jí)的時(shí)間序列分析(Time-Series Analysis)是一個(gè)難點(diǎn),本文就此內(nèi)容作了總結(jié),希望下面總結(jié)的邏輯框架能對(duì)各位的復(fù)習(xí)有所幫助。

1、時(shí)間序列分析只有一組時(shí)間序列數(shù)據(jù),要預(yù)測(cè)下一期的數(shù)據(jù)?;貧w可以用來預(yù)測(cè),但是由于時(shí)間序列分析只有一組數(shù)據(jù)(因變量),缺少自變量,因此要解決自變量的問題。

2、線性趨勢(shì)模型(Linear trend model)就是用時(shí)間(t)來做自變量的一元回歸模型,這就解決了缺少自變量的問題。但是時(shí)間序列數(shù)據(jù)不一定與時(shí)間t線性相關(guān),很有可能是加速上升或者加速下降的。因此,做線性回歸之后可能存在自相關(guān)。

3、拿到一組時(shí)間序列數(shù)據(jù),我們先做線性趨勢(shì)模型,然后用Durbin Watson檢驗(yàn)來檢驗(yàn)自相關(guān)。如果Durbin Watson檢驗(yàn)不能拒絕原假設(shè)(沒有自相關(guān)),那么就用線性趨勢(shì)模型;如果Durbin Watson檢驗(yàn)拒絕原假設(shè)(有自相關(guān)),那么就用對(duì)數(shù)線性趨勢(shì)模型。

4、澤稷CFA網(wǎng)課老師認(rèn)為,對(duì)數(shù)線性趨勢(shì)模型比較重要。(Log-linear trend model)昨晚之后,仍然用Durbin Watson檢驗(yàn)來檢驗(yàn)自相關(guān)。如果Durbin Watson檢驗(yàn)不能拒絕原假設(shè),那么就用對(duì)數(shù)線性趨勢(shì)模型;如果Durbin Watson檢驗(yàn)拒絕原假設(shè),那么就用自回歸模型。

5、自回歸模型(Autoregressive model)是用上一期的因變量來做自變量,因此也解決了缺少自變量的問題。

6、但是自回歸模型是否解決了自相關(guān)的問題呢?我們做完一個(gè)自回歸模型AR(1)之后,不能用Durbin Watson檢驗(yàn)來檢驗(yàn)自相關(guān),而要用最原始的方法,計(jì)算每一個(gè)自相關(guān)系數(shù),對(duì)每一個(gè)自相關(guān)系數(shù)做顯著性檢驗(yàn)t檢驗(yàn)。如果每一個(gè)自相關(guān)系數(shù)的顯著性t檢驗(yàn)都不能拒絕原假設(shè)(沒有自相關(guān)),那么就用這個(gè)AR(1)模型;如果有一個(gè)自相關(guān)系數(shù)的顯著性t檢驗(yàn)都拒絕原假設(shè)(有自相關(guān)),那么就要引入一個(gè)季節(jié)性延遲變量(seasonal lag),然后以新的(二元)自回歸模型重新回歸,估計(jì)回歸參數(shù)。

7、新的(二元)自回歸模型重新回歸之后,我們?nèi)匀挥?jì)算每一個(gè)自相關(guān)系數(shù),對(duì)每一個(gè)自相關(guān)系數(shù)做顯著性檢驗(yàn)t檢驗(yàn)。如果每一個(gè)自相關(guān)系數(shù)的顯著性t檢驗(yàn)都不能拒絕原假設(shè)(沒有自相關(guān)),那么就用這個(gè)新的(二元)自回歸模型;如果有一個(gè)自相關(guān)系數(shù)的顯著性t檢驗(yàn)都拒絕原假設(shè)(有自相關(guān)),那么就要再引入一個(gè)季節(jié)性延遲變量,然后以新的(三元)自回歸模型重新回歸。這樣周而復(fù)始,不斷引入季節(jié)性延遲變量,最終總能使每一個(gè)自相關(guān)系數(shù)的顯著性t檢驗(yàn)都不能拒絕原假設(shè)。也就是說,自回歸模型可以根本解決自相關(guān)的問題。

8、自回歸模型雖然解決了自相關(guān)的問題,但是帶來了一個(gè)新的問題:只有平穩(wěn)的時(shí)間序列數(shù)據(jù)才能做自回歸,這是自回歸模型的前提條件。CFA稱平穩(wěn)的時(shí)間序列數(shù)據(jù)為協(xié)方差恒定的時(shí)間序列數(shù)據(jù)(Covariance-stationary series)。

9、老師指出時(shí)間序列數(shù)據(jù)要協(xié)方差恒定,有一個(gè)必要條件,就是必須要有一個(gè)均值回復(fù)水平(mean reverting level)。對(duì)AR(1)模型,均值回復(fù)水平=b0/(1-b1)。如果b1=1,則該AR(1)模型不存在均值回復(fù)水平,這個(gè)時(shí)間序列數(shù)據(jù)也就不滿足協(xié)方差恒定。因此,做了一個(gè)AR(1)模型之后,的學(xué)員們要用Dickey-Fuller檢驗(yàn)來檢驗(yàn)斜率系數(shù)b1是否顯著不等于1(b1等于1稱為單位根)。如果Dickey-Fuller檢驗(yàn)可以拒絕原假設(shè),那么就沒有單位根,可以用這個(gè)AR(1)模型;如果Dickey-Fuller檢驗(yàn)不能拒絕原假設(shè),那么就有單位根,不可以用這個(gè)AR(1)模型,此時(shí)這個(gè)AR(1)模型稱為隨機(jī)游走模型。

10、隨機(jī)游走模型(Random walk)有單位根b1等于1,因此不滿足協(xié)方差恒定的前提條件,必須做一階差分(First differencing)。一階差分最終能解決單位根的問題。

溫馨提示:2016年新考季,澤稷網(wǎng)校針對(duì)CFA錄制了高清名師課程,歡迎免費(fèi)體驗(yàn)》》CFA高清網(wǎng)絡(luò)課程,另外澤稷網(wǎng)校CFA名師為大家準(zhǔn)備了2016年CFA備考資料大禮包(內(nèi)含CFA考試必備的所有資料),關(guān)注微信公眾號(hào):CFA吧(ID:cfa-er)即可免費(fèi)領(lǐng)?。?/span>

掃一掃,訂閱CFA微信公眾號(hào),贈(zèng)全部備考資料