我正在用Eviews研究一个金融时间序列的persistence；如果一个shock可以持续很长时间，就说这个序列persistent。一些文献只是看一下AR（1）模型里y(t-1)的系数，如果接近1就说很persistent。我的模型是AR(1)外加若干外生变量，所以要看y(t-1)到y(t-p)的各个系数对shock传导的影响。

因为这个金融时间序列存在单位根，我在AR模型里用的是first-difference后的数据，而不是原始的level数据。虽然一些文章说一阶差分前后的y(t-1)系数是一样的，我的回归结果却表明原始level数据的回归系数为正，而差分后数据再回归则得到负的系数。所以，我们可以说原始level数据的回归结果表明这个序列很persistent，但差分后的回归系数要怎么解读呢？

我的问题是：（1）差分后的回归系数绝对值较大，但是符号为负，这就造成当期shock可能在n期后还有impact，但是这个impact是相反的符号。比如，当期一个2%的shock，在8期后的影响是 - 1.5%。这种情况下，我们还能说这个序列persistent么？ （2）我觉得对于一个有单位根的时间序列，在回归前做差分是必须的，但这让解读变的困难。是否在某些情况下，可以不进行差分而直接用level数据做回归，比如这种研究persistence的问题？（我个人认为不可以，除非做cointegration）

请熟悉时间序列的老师同学们指点。谢谢！