BuildingEconometricModels.pptVIP

ARMA model 註：1、 AR(p) model 可以下列式表示 (assume δ=0)： MA(q) model Zt 偏自相關係數 (partial autocorrelation)： MA(1) model MA(2) model AR(p) model ARMA(p,q) model * Let εt be white noise process, Zt be a stationary series. white noise : 純雜訊 εt ~ NID( 0, σ2) ARMA model 又稱為 Box-Jankin model，1970年代推出，用來配適時間序列中的不規則震盪，適用於Stationary series，可解釋序列中的自相關現象。 AR(p), Autoregressive model with order p is defined as MA(p), Movingaverage model with order q is defined as ARMA(p,q), Autoregressive and movingaverage with order (p,q) is defined as 註：δ是一constant， 並不一定是μ 2、 MA(q) model 可以下列式表示： 3、 ARMA(p,q) model 可以下列式表示： 是 B 的 p 次多項式， 是 B 的 q 次多項式， Zt 之變異數及自相關係數： Movingaverage with order q: 由此得到參數估計量 註： For MA(q) model， μ=δ For MA model，ACF cuts off after lag q, PACF dies down. 由此得到估計量 0.19 0.13 0.05 0.01 0.00 0.00 0.01 0.05 0.13 0.19 phi_44 0.24 0.19 0.09 0.02 0.00 0.00 -0.02 -0.09 -0.19 -0.24 phi_33 0.33 0.28 0.19 0.08 0.01 0.01 0.08 0.19 0.28 0.33 phi_22 0.50 0.47 0.40 0.28 0.10 -0.10 -0.28 -0.40 -0.47 -0.50 phi_11 0.50 0.47 0.40 0.28 0.10 -0.10 -0.28 -0.40 -0.47 -0.50 Rho_1 -0.9 -0.7 -0.5 -0.3 -0.1 0.1 0.3 0.5 0.7 0.9 theta 由此得到參數估計量 Autoregressive with order p 此模式滿足平穩性的條件：係數使得方程式 的根在單位圓外 Variance for AR(p) model Autocorrelation for AR(p) model Partial Autocorrelation for AR(p) model 稱為 Yule-Walker 等式, 由此得到估計量 For AR model，ACF dies down, PACF cuts off after lag p. Stationarity 之條件 ACF 呈指數下降，或波動下降；PACF 在 k=2 處切斷 註：AR(1) 過程又稱為馬可夫過程 (Markov process) 例：Zt = 6 - 0.8 Zt-1 + εt Stationarity 之條件 Yule-Walker 等式 : 例：Zt = Zt-1 - 0.6Zt-2 + εt 若 q= p，則 ACF 遞減 (damped exponentially or sine-wave) 若 q p，前面 q-p+1 個 p 和其它的 p 呈二段式遞減