平稳时间序列的ARMA模型.docVIP

第五讲（续） 平稳时间序列的 ARMA模型 1 平稳性 有一类描述时间序列的重要随机模型受到了人们的广泛关注，这就是所谓的平稳模型。这类模型假设随机过程在一个不变的均值附近保持平衡。其统计规律不会随着时间的推移发生变化。平稳的定义分为严平稳和宽平稳。 定义1（严平稳） 设是一个随机过程,是在不同的时刻的随机变量，在不同的时刻是不同的随机变量，任取个值和任意的实数，则分布函数满足关系式 则称为严平稳过程。 在实际中，这几乎是不可能的。由此考虑到是否可以把条件放宽，仅仅要求其数字特征(数学期望和协方差)相等。 定义2（宽平稳） 若随机变量的均值（一阶矩）和协方差（二阶矩）存在，且满足： （1）任取，有； （2）任取，，有 协方差是时间间隔的函数。则称 为宽平稳过程，其中为协方差函数。 2 各种随机时间序列的表现形式 白噪声过程（white noise，如图1）。属于平稳过程。yt = ut, ut ( IID(0, (2) 图1 白噪声序列（(2=1） 随机游走过程（random walk，如图11）。属于非平稳过程。yt = yt-1 + ut, ut ( IID(0, (2) 图2 随机游走序列（(2=1） 图3 日元兑美元差分序列 图4深圳股票综合指数 图5随机趋势非平稳序列（( = 0.1） 图6 随机趋势非平稳序列（( = -0.1） 图7 对数的中国国民收入序列 图8 中国人口序列 3 延迟算子 延迟算子类似于一个时间指针，当前序列值乘以一个延迟算子，就相当于把当前序列值的时间向过去拨了一个时刻，记B为延迟算子，有。 特别是差分算子。 4．ARMA(p,q)模型及其平稳性和可逆性 4.1 模型类型及其表示 在平稳时间序列的分析中，应用最广泛的是有限参数模型。 阶自回归模型：用自己的过去和现在的随机干扰表 是白噪声。 阶移动平均模型：用现在和过去的随机干扰表 p阶自回归阶移动平均模型：自己的过去及过去和现在的随机干扰表 其中是白噪声序列。 4.2 平稳性 是平稳时间序列的反映吗？如果它是平稳时间序列的模型，回归系数应该满足何种条件呢？ 例 设是一阶模型，即 或，其中 则（利用等比级数的通项和公式） = = 如果，的系数随着的增加而趋于无穷大，这显然违背了“远小近大”的原则，由此可见，，的充分必要条件方程的根在单位圆外。设是一个p阶自回归模型 其中： 平稳的充分必要条件是的根在单位圆外的根在单位圆。 4.3可逆性 我们可以考虑到一个时间序列是否可以用它的现在值和过去值来表示现在时刻的随机干扰呢？即 这种表达式称为“逆转形式”。如果一个时间序列具有逆转形式，也就是说逆转形式存在且平稳，通常称该过程具有可逆性。 例 设是一阶滑动平均模型，即 或，其中 则（利用等比级数的通项和公式） = = 对于一阶滑动平均模型，无论取何值，是一个名副其实的平稳序列，但是对于 的“逆转形式”是否存在，则取决于是否小于1。如果， 的系数随着的增加而趋于无穷大，这显然违背了“远小近大”的原则，由此可见， 的逆转形式存在的充分必要条件为，的充分必要条件方程的根在单位圆外。可逆的充分必要条件为方程的根在单位圆外。的根在单位圆。 由于自回归模型稍微变形，就是用系统的现在和过去值表示随机干扰项，所以自回归模型自然可逆。 .4 ARMA（p，q）的平稳性和可逆性 设时间序列是ARMA（p,q）模型 令 则模型记为 如果 1. ，； 2. 和无公共因子； 3. 和的根在单位圆外。 则是自回归移动平均模型，平稳且可逆。它有传递形式，由此可以认为，任何一个自回归滑动平均模型都可以用一个足够高阶的滑动平均模型逼近。逆转形式，可见任何一个自回归滑动平均模型都可以用一个足够高阶的自回归模型逼近。 平稳时间序列的统计特征 .1 总体的自相关函数和样本的自相关函数一模型的自相关函数 AR(p)模型，自相关函数快速收敛于零，但不等于零,“拖尾”。又因为ARMA（p，q）模型的可逆性，即，所以任何一个ARMA（p，q）模型都可以表示为一个足够高阶的AR（p）模型，所以ARMA（p，q）模型与AR（p）模型有相同的统计特性。 图 白噪声序列的自相关函数 图 白噪声序列的自相关函数图 图 人工模拟序列图 人工模拟序列 图13 模拟随机游走序列图 图14 模拟随机游走序列的自关函数MA（q）的自相关函数 结论：MA（q）模型的自相关函数q阶截尾，即在q+1及以后为零。趋势图，图2-8是自相关函数图 图15 趋势图 图16 自相关函数图 由此，我们已经有了识别MA（q）