王敏会，尹晓翠，刘伟，张艺琳

(1.青岛农业大学理学与信息科学学院，山东青岛 266109；2.青岛农业大学经济管理学院；3.青岛农业大学巴瑟斯未来农业科技学院)

研究经济序列之间的联动和因果关系，现有文献大多分为三类：①传统方法，包括Granger因果关系检验、协整分析、误差修正模型等[1-3]，分析序列之间静态的时域关系；②动态方法，包括状态空间模型、拔靴分样本滚动窗口因果关系等[4-5]，分析序列之间关系的时变性质或结构变化；③频率方法，包括傅里叶方法[6]，分析不同频率下序列间的关系。这些方法通常只考虑了时间或频率的单一角度。小波分析方法通过时频变化突出序列在某些方面的特征[7]，是傅里叶分析的良好替代。虽然傅里叶分析可以借助谱技术揭示不同频率下序列间的关系如何变化，但它丢弃了局部时间上的信息[8]。另外，傅里叶分析只适用于平稳序列。相比之下，小波分析估计时间序列的光谱特征作为时间的函数[6]，可以同时提取时域和频域的局部信息。此外，小波分析比傅里叶分析具有显著的优势，它可以适应非平稳或局部平稳序列[9]。小波分析能够进行多分辨率的时频域分析，特别适合非平稳序列，近些年来，越来越多地被应用到经济领域，以分析经济序列及其相关性。

本文采用小波分析方法，探讨了股价和房价在时域和频域之间的联动和因果关系。小波分析将潜在的时间序列扩展到时频空间，可以以直观的方式呈现序列的时变和频变信息。……