会计学第一节时间序列的外推、平滑(pínghuá)和季节调整二、简单(jiǎndān)外推模型3、自回归(huíguī)趋势模型美国商业部：1986年1月至1995年12月百货公司的月零售额（亿元）三、平滑(pínghuá)技术四、季节(jìjié)调整RatiotoMovingAverages——Multiplicative第二节随机时间(shíjiān)序列模型统计特征不随时间变化而变化的过程是平稳过程（StableProcess）如果过程是严平稳的（StrictlyStationary），那么对任意的t和k，时刻t的联合概率密度函数等于时刻t+k的联合概率密度函数。也就是说，对于具有严平稳性质的随机过程，其全部概率结构只依赖于时间之差。严平稳性的条件很严格，我们希望稍微放松限制条件。于是从实际角度(jiǎodù)考虑，我们可以用联合分布的矩的平稳性来定义随机过程的平稳性。m阶弱平稳过程(guòchéng)（WeaklyStationary）是指随机过程(guòchéng)的联合概率分布的矩直到m阶都是相等的。若一个过程(guòchéng){r(t)}是2阶弱平稳过程(guòchéng)，那么它会满足下列条件：（1）随机过程(guòchéng)的均值保持不变；（2）随机过程(guòchéng)的方差不随时间变化；（3）r(i)和r(j)之间的相关性只取决于时间之差j-i。[注]：弱平稳过程(guòchéng)不一定是严平稳过程(guòchéng)；而严平稳过程(guòchéng)若存在二阶矩，则必是2阶弱平稳过程(guòchéng)。用[X(t)]表示一随机过程(guòchéng)，滞后期为k的自相关系数定义为自相关函数揭示(jiēshì)了X(t)的相邻数据点之间存在多大程度的相关。[例]白噪声(zàoshēng)过程的自相关函数样本自相关(xiāngguān)函数自相关函数还可被用于检验一个序列(xùliè)是否平稳。齐次非平稳(píngwěn)过程时间序列的当前值依赖于过去(guòqù)时期的观察值。不妨(bùfáng)设常数项为0自相关(xiāngguān)函数MA(1)过程的自相关(xiāngguān)函数自相关(xiāngguān)函数ARMA(1,1)过程(guòchéng)的自相关函数d的确定：差分后检查(jiǎnchá)自相关函数，确定序列是否平稳，直到平稳为止。p、q的确定：由自相关函数、偏自相关函数确定，或由AIC、SC准则确定。第三节VAR模型(móxíng)二、格兰杰因果关系（GrangerCausality）GrangerCausalityTest三、脉冲响应函数(hánshù)(ImpulseResponseFunctions)四、方差(fānɡchà)分解(VarianceDecomposition)第四节协整理论(lǐlùn)