ARIMA--非平稳序列的随机分析.ppt

第八章 非平稳序列的随机分析 本章结构 差分运算 ARIMA模型 Auto-Regressive模型 异方差的性质 方差齐性变化 条件异方差模型 5.1 差分运算 差分运算的实质 差分方式的选择 过差分 差分运算的实质 差分方法是一种非常简便、有效的确定性信息提取方法 Cramer分解定理在理论上保证了适当阶数的差分一定可以充分提取确定性信息 差分运算的实质是使用自回归的方式提取确定性信息 差分方式的选择 序列蕴含着显著的线性趋势，一阶差分就可以实现趋势平稳 序列蕴含着曲线趋势，通常低阶（二阶或三阶）差分就可以提取出曲线趋势的影响 对于蕴含着固定周期的序列进行步长为周期长度的差分运算，通常可以较好地提取周期信息 例5.1 【例1.1】1964年——1999年中国纱年产量序列蕴含着一个近似线性的递增趋势。对该序列进行一阶差分运算 考察差分运算对该序列线性趋势信息的提取作用 差分前后时序图 原序列时序图 差分后序列时序图 例5.2 尝试提取1950年——1999年北京市民用车辆拥有量序列的确定性信息 差分后序列时序图 一阶差分 二阶差分 例5.3 差分运算提取1962年1月——1975年12月平均每头奶牛的月产奶量序列中的确定性信息 差分后序列时序图 一阶差分 1阶－12步差分 过差分 足够多次的差分运算可以充分地提取原序列中的非平稳确定性信息 但过度的差分