1 基本概念
1.1 时间序列的平稳性
假定某个时间序列是由某一随机过程（stochastic process）生成的，即假定时间序列{Xt}（t=1, 2, …）的每一个数值都是从一个概率分布中随机得到，如果满足下列条件： 1）均值 2）方差 3）协方差数；
则称该随机时间序列是平稳的（stationary)，而该随机过程是一平稳随机过程（stationary stochastic process）。
是与时间t 无关的常数；
是与时间t 无关的常数；
是只与时期间隔k有关，与时间t 无关的常
1.2 时间序列的非平稳性
平稳时间序列的均值为常数，自协方差函数与起点无关，而非平稳时间序列则不满足这两条要求。常见的非平稳类型有趋势和突变
1.2.1 趋势
趋势是指变量随时间持续长期的运动，时间序列变量围绕其趋势波动。可以用线性趋势、二次趋势、季节性均值趋势和余弦趋势来估计一般的非常数均值趋势模型的参数。
1.2.2 突变
突变来自总体回归系数在某一特定日期上的离散变化或来自系数在长时期内的渐变。
1.3 平稳性判断 1.3.1 图示判断
? 给出一个随机时间序列，首先可通过该序列的时间路径图来粗略地判断它是否是平稳的。
? 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程；
? 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。
Xt Xt t t (a) (b) 图9.1 平稳时间序列与非平稳时间序列图
函数1：时间序列及趋势绘制 参数1：时间序列 功能：绘制时间序列
绘制时间序列的趋势函数 返回值：无
1.3.2 单位根检验
单位根检验（unit root test）是针对宏观经济数据序列、货币金融数据序列中是否具有某种统计特性而提出的一种平稳性检验的特殊方法，单位根检验的方法有很多种，包括DF检验、ADF检验、PP检验、NP检验等。
单位根检验时间序列的单位根研究是时间序列分析的一个热点问题。时间序列特性的时变行为实际上反映了时间序列的非平稳性质。对非平稳时间序列的处
理方法一般是将其转变为平稳序列，这样就可以应用有关平稳时间序列的方法来进行相应得研究。对时间序列单位根的检验就是对时间序列平稳性的检验，非平稳时间序列如果存在单位根，则一般可以通过差分的方法来消除单位根，得到平稳序列。对于存在单位根的时间序列，一般都显示出明显的记忆性和波动的持续性，因此单位根检验是有关协整关系存在性检验和序列波动持续性讨论的基础。
1.3.3 自相关函数(ACF)判断
平稳时间序列的自相关函数(ACF)要么是截尾的， 要么是拖尾的。因此我们可以根据这个特性来判断时间序列是否为平稳序列。 若时间序列具有上升或下降的趋势，那么对于所有短时滞来说，自相关系数大且为正，而且随着时滞k的增加而缓慢地下降。
若序列无趋势，但是具有季节那么于按月采集的数据，时滞12，24， 36……的自相关系数达到最大(如果数据是按季度采集，则最大自相关系数出现 在4，8，12， ……)，并且随着时滞的增加变得较小。
2 平稳时间序列模型
2.1 自回归AR模型
由于经济系统惯性的作用，经济时间序列往往存在着前后依存关系。最简单的一种前后依存关系就是变量当前的取值主要与其前一时期的取值状况有关。用数学模型来描述这种关系就是如下的一阶自回归模型：
Xt=φXt-1+εt （2.1.1）
常记作AR(1)。其中｛Xt｝为零均值（即已中心化处理）平稳序列，φ为Xt对Xt
－1
的依赖程度，εt为随机扰动项序列（外部冲击）。
若φ=1则Xt包含了一个随机性趋势，是非平稳的。若φ的绝对值<1则其是平稳的。
如果Xt 与过去时期直到Xt-p 的取值相关，则需要使用包含Xt－1 ，……Xt-p在内的p阶自回归模型来加以刻画。P阶自回归模型的一般形式为：
Xt=φ1 Xt－1+φ2 Xt－2+…+φp Xt－p+εt （2.1.2）