پاورپوینت سریهای زمانی (pptx) 17 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 17 اسلاید

قسمتی از متن PowerPoint (.pptx) :

بنام خدا 1 TIME SERIES سریهای زمانی 2 فهرست مطالب آزمون ریشه واحد علیت گرانجر آزمون علیت گرانجر همگرایی آزمون همگرایی خود رگرسیون برداری(VAR) تصحیح خطای برداری 3 آزمون ریشه واحد آزمون ریشه واحد برای تعیین مانایی) (stationaryیک سری زمانی مورد استفاده قرار می گیرد. مانایی در سری زمانی بدین معناست که میانگین، واریانس و خودهمبستگی داده ها در طول زمان ثابت بوده و تابع زمان نباشند، در غیر این صورت با داده های تاریخی میتوان سری زمانی را پیش بینی کرد. مثال: مقدار شاخص S&P 500 هنگامیکه بازار خوب بوده مثبت و هنگامیکه بازار بد بوده، منفی شده است. البته در طول سالها شاخص 10% رشد کرده است که نشان دهنده روند صعودی آن بوده است. به عبارت دیگر، میانگین شاخص تابعی از زمان است بنابراین یک سری مانا نیست که در این حالت گفته می شود که شاخص دارای ریشه واحد است. 4 5 چنانچه آزمون ریشه واحد نشان از مانا نبودن داشته باشد؛ میتوان با اعمال برخی تغییرات در داده های سری زمانی، آنها را مانا نمود. به عنوان مثال می توان به جای مقادیر شاخص روزانه، از بازده روزانه داده استفاده کرد که آن را روش تفاضل مرتبه اول(First difference) میگویند. به عبارت دیگر، اگر: مقادیر تفاضل اولیه مانا باشد سری زمانی یک ریشه واحد دارد مقادیر تفاضل ثانویه مانا باشد سری زمانی دو ریشه واحد دارد برای انجام آزمون ریشه واحد در Eviews بعد از ایجاد data base مورد نظر به ترتیب زیر عمل میکنیم: 6 در این مرحله باید گزینه های مختلف برای انجام آزمون را انتخاب نمایید: در قسمت test type روش آزمون مشخص می شود. پیش فرض Eviewsروش Augmented Dickey- Fullerمی باشد؛ که از همین روش برای آزمون استفاده می کنیم. این آزمون مانند همان روش دیکی فولر است با این تفاوت که در این قسمت از تأخیر های بیشتری استفاده می شود. به طور مثال؛ زمانیکه بخواهیم مانایی را در بازده روزانه داده ها آزمون کنیم، باید گزینه 1st Difference را فعال کنیم. چنانچه قصد داشته باشیم از تفاضل ها، مجددا تفاضل بگیریم و مانایی آنها را آزمون کنیم، باید گزینه 2st Difference را انتخاب کنیم. انتخاب تعداد Lagged Differences به مهارت و تجربه محقق بستگی دارد و نمی توان یک فرمول کلی برای آن متصور شد. اما دو روش تجربی برای تعیین مقدار آن وجود دارد:1. استفاده از معیار Akaike و Schwarz: در این روش آزمون را با مقادیر مختلفی از تأخیر انجام می دهیم، سپس آن میزان از Lagged Differences را انتخاب می کنیم که مقادیر دو معیار فوق به ازای آن حداقل باشد.2. تعداد Lagged Differences ها زمانی می تواند در مدل باقی بماند که ضریب انها تأیید شود. چنانچه ضریب هر یک از این متغیر ها تأیید نشود ، باید آن را از مدل خارج کرد و ازمون را با تعداد تأخیر های کمتر انجام داد. این کار باید آنقدر ادامه یابد که تمامی ضرایب موجود در مدل ناشی از تأخیرها، تأیید گردند. بنابراین می توان آزمون را با lag=4 شروع کرد و ان را ادامه داد تا تمام متغیر های تأیید نشده از مدل خارج شوند.مثال: بررسی مانایی داده های مربوط به شاخص سهام کشور آمریکا 8 9 با توجه به مقدار prob بدست آمده که از سطح خطای 5% بزرگتر است، فرض صفر پذیرفته میشود، یعنی سری زمانی ریشه واحد دارد و مانا نیست.