KNOWECON WIKI

ARTICLE

序列

序列 (Sequence / Series) 序列 (Sequence) 在经济学与计量经济学中是一个多义的核心概念，至少包含三层紧密关联但又相互区分的含义：数学分析中的数列、统计学与计量经济学中的时间序列 (Time Series)，以及随机过程语境下的随机序列 (Stochastic Sequence)。三者共享"有序排列"这一内核——即元素按特定顺序（

浏览 0 更新 2025-11-18

序列 (Sequence / Series)

序列 (Sequence) 在经济学与计量经济学中是一个多义的核心概念，至少包含三层紧密关联但又相互区分的含义：数学分析中的数列、统计学与计量经济学中的时间序列 (Time Series)，以及随机过程语境下的随机序列 (Stochastic Sequence)。三者共享"有序排列"这一内核——即元素按特定顺序（通常为时间或索引）排列——但在理论性质与应用场景上存在重要差异。

数学中的序列：数列

在最基础的数学意义上，序列（亦称数列）是按照某种规则排列的一列实数或复数：

{xn}n=1∞=x1,x2,x3,…\{x_n\}_{n=1}^{\infty} = x_1, x_2, x_3, \ldots

收敛与极限

序列的收敛性 (Convergence) 是分析经济学动态模型的核心工具。若存在实数 LL 使得对任意 ε>0\varepsilon > 0，存在 NN 使得当 n>Nn > N 时恒有 ∣xn−L∣<ε|x_n - L| < \varepsilon，则称序列 {xn}\{x_n\} 收敛于极限 LL，记作：

lim⁡n→∞xn=L\lim_{n \to \infty} x_n = L

典型的经济应用包括：索洛增长模型中资本存量的收敛路径、蛛网模型中价格序列的稳定性分析、以及动态规划中值函数迭代的收敛性。

柯西序列

柯西序列 (Cauchy Sequence) 满足：对任意 ε>0\varepsilon > 0，存在 NN 使得当 m,n>Nm, n > N 时 ∣xm−xn∣<ε|x_m - x_n| < \varepsilon。在完备空间中（如实数集），柯西序列与收敛序列等价。这一性质在证明经济均衡的存在性（如一般均衡理论中的不动点定理应用）时至关重要。

序列与级数

序列 {an}\{a_n\} 的部分和构成一个新的序列（级数）：

Sn=∑k=1nakS_n = \sum_{k=1}^{n} a_k

级数的收敛性（如几何级数 ∑k=0∞βk=11−β\sum_{k=0}^\infty \beta^k = \frac{1}{1-\beta} 当 ∣β∣<1|\beta| < 1）是贴现现值 (Discounted Present Value) 计算的理论基础——净现值(NPV)、债券定价与永久年金的估值均赖于此。

时间序列 (Time Series)

在计量经济学中，时间序列是最为重要的序列概念，指按时间顺序排列的观测值集合：

{yt}t=1T=(y1,y2,…,yT)\{y_t\}_{t=1}^{T} = (y_1, y_2, \ldots, y_T)

时间序列分析是宏观经济预测、金融建模与政策评估的支柱方法。

平稳性

平稳性 (Stationarity) 是时间序列分析的前提假设。一个时间序列若满足：

  1. 均值恒定：E[yt]=μE[y_t] = \mu（不随时间变化）
  2. 方差恒定：Var[yt]=σ2\text{Var}[y_t] = \sigma^2（不随时间变化）
  3. 自协方差仅依赖于滞后阶数 kk：Cov[yt,yt−k]=γk\text{Cov}[y_t, y_{t-k}] = \gamma_k（与 tt 无关）

则称为弱平稳或协方差平稳 (Covariance Stationary)。

强平稳 (Strict Stationarity) 要求任意有限维分布的平移不变性，条件更强。

检验平稳性的常用方法包括ADF检验（Augmented Dickey-Fuller Test）和KPSS检验。若序列非平稳，常通过差分 (Differencing) 使其平稳：Δyt=yt−yt−1\Delta y_t = y_t - y_{t-1}。dd 阶差分后平稳的序列称为I(d)I(d) 过程，如随机游走是 I(1)I(1) 过程。

自回归 (AR) 与移动平均 (MA) 模型

AR(pp) 模型——自回归模型：

yt=c+ϕ1yt−1+ϕ2yt−2+⋯+ϕpyt−p+εty_t = c + \phi_1 y_{t-1} + \phi_2 y_{t-2} + \cdots + \phi_p y_{t-p} + \varepsilon_t

该模型将当前值表示为过去 pp 期值的线性组合加一个白噪声扰动。AR(1) 过程 yt=ϕyt−1+εty_t = \phi y_{t-1} + \varepsilon_t 在 ∣ϕ∣<1|\phi| < 1 时平稳，在 ϕ=1\phi = 1 时退化为随机游走。

MA(qq) 模型——移动平均模型：

yt=μ+εt+θ1εt−1+θ2εt−2+⋯+θqεt−qy_t = \mu + \varepsilon_t + \theta_1 \varepsilon_{t-1} + \theta_2 \varepsilon_{t-2} + \cdots + \theta_q \varepsilon_{t-q}

该模型将观测值表示为当前与过去 qq 期冲击的加权和，反映了经济变量对暂时性冲击的记忆机制。

ARMA 与 ARIMA

ARMA(p,qp, q) 合并AR与MA结构：

yt=c+∑i=1pϕiyt−i+εt+∑j=1qθjεt−jy_t = c + \sum_{i=1}^{p} \phi_i y_{t-i} + \varepsilon_t + \sum_{j=1}^{q} \theta_j \varepsilon_{t-j}

对于非平稳序列，ARIMA(p,d,qp, d, q) 先进行 dd 阶差分再拟合ARMA模型。这是Box-Jenkins方法的核心，广泛用于GDP、CPI等宏观经济指标的预测。

ARCH/GARCH 族

恩格尔（Engle, 1982）提出的ARCH模型（自回归条件异方差）允许条件方差随时间变化：

σt2=α0+α1εt−12+⋯+αqεt−q2\sigma_t^2 = \alpha_0 + \alpha_1 \varepsilon_{t-1}^2 + \cdots + \alpha_q \varepsilon_{t-q}^2

Bollerslev（1986）推广为GARCH(p,qp, q)：

σt2=ω+∑i=1pβiσt−i2+∑j=1qαjεt−j2\sigma_t^2 = \omega + \sum_{i=1}^{p} \beta_i \sigma_{t-i}^2 + \sum_{j=1}^{q} \alpha_j \varepsilon_{t-j}^2

GARCH族模型在金融计量中用于建模波动率聚集(Volatility Clustering)现象——大波动后跟大波动，小波动后跟小波动。

协整与误差修正

两个或多个非平稳序列之间可能存在长期均衡关系——即协整 (Cointegration)。恩格尔-格兰杰两步法和Johansen检验是检测协整关系的主要工具。若序列协整，可建立误差修正模型 (ECM)同时刻画长期均衡与短期动态调整：

Δyt=α(yt−1−βxt−1)+γΔxt+εt\Delta y_t = \alpha (y_{t-1} - \beta x_{t-1}) + \gamma \Delta x_t + \varepsilon_t

其中 (yt−1−βxt−1)(y_{t-1} - \beta x_{t-1}) 为误差修正项，反映偏离长期均衡的程度。

随机序列与鞅

在更一般的概率论框架下，随机序列 (Stochastic Sequence) 是一族按索引排列的随机变量 {Xn}n∈N\{X_n\}_{n \in \mathbb{N}}。

鞅 (Martingale)

鞅是一类特殊的随机序列，满足：

E[Xn+1∣X1,…,Xn]=XnE[X_{n+1} \mid X_1, \ldots, X_n] = X_n

即基于当前信息，下一期的最优预测就是当前值本身。有效市场假说(EMH)的强弱形式均可由鞅性质刻画：在弱式有效市场中，资产价格服从鞅（或更一般的公平博弈），技术分析无法获得超额收益。随机游走假说是鞅的一个特例——不仅条件期望等于当前值，且整个条件分布都不变。

马尔可夫链

马尔可夫链 (Markov Chain) 是满足马尔可夫性质的随机序列：

P(Xn+1=j∣Xn=i,Xn−1,…,X1)=P(Xn+1=j∣Xn=i)P(X_{n+1} = j \mid X_n = i, X_{n-1}, \ldots, X_1) = P(X_{n+1} = j \mid X_n = i)

即未来只依赖于现在，而与过去无关。马尔可夫链在经济学中用于建模经济周期的区制转换（如马尔可夫区制转换模型，Hamilton, 1989）、劳动力市场中就业-失业状态的转移，以及信用评级迁移。

经济学应用

序列理论在经济学中的应用贯穿理论与实证：

  • 宏观预测：ARIMA/ARIMAX模型预测GDP增长率、通胀率、失业率。
  • 金融风险：GARCH族建模资产波动率，为Value-at-Risk(VaR)和期权定价提供输入。
  • 政策评估：向量自回归(VAR)模型捕捉多变量时序间互动，用于分析货币政策冲击的脉冲响应。
  • 动态优化：动态规划中的贝尔曼方程依赖序列收敛性确保值函数迭代的适定性。
  • 收敛分析：经济增长理论中，趋同假说（绝对收敛、条件收敛）本质上是跨国或跨地区人均收入序列的收敛性问题。

总之，"序列"这一概念从纯数学的收敛性出发，经时间序列计量方法，延伸至随机过程理论，构成了经济学从理论建模到实证检验的整套方法论链条。