平稳时间序列预测法9P创新.pptVIP

第七章 平稳时间序列预测法 第一节 概述 第二节 时间序列的自相关分析 第三节 单位根检验和协整检验 第四节 ARMA模型的建模 第五节 时间序列的案例分析（略） 回总目录 第一节 概述 一、自回归模型 如果时间序列 满足 其中， 是独立同分布的随机变量序列，且满足： 则称时间序列 服从p 阶自回归模型。  回总目录 回本章目录 第一节 概述 二、移动平均模型 如果时间序列 满足 则称时间序列 服从q 阶移动平均模型。  回总目录 回本章目录 第一节 概述 三、ARMA（p，q）模型 如果时间序列 满足 则称时间序列 服从（p , q）阶自回归移动平均模型。 或者记为：  回总目录 回本章目录 第二节 时间序列的自相关分析 一、自相关分析 滞后期为k 的自协方差函数为： 其中： 当序列平稳时，自相关函数可写为：  回总目录 回本章目录 第二节 时间序列的自相关分析 一、自相关分析 样本自相关函数为： 其中： 样本自相关函数可以说明不同时期的数据之间的相关程度，其取值范围在-1到1之间，值越接近于1，说明时间序列的自相关程度越高。  回总目录 回本章目录 第二节 时间序列的自相关分析 一、自相关分析 在给定了 的条件下， 与滞后k 期时间序列之间的条件相关。 样本的偏自相关函数表示如下： 其中：  回总目录 回本章目录 第二节 时间序列的自相关分析 一、自相关分析 时间序列的随机性，是指时间序列各项之间没有相关关系的特征。 判断时间序列是否平稳，是一项很重要的工作。  回总目录 回本章目录 第二节 时间序列的自相关分析 二、ARMA模型的自相关分析 AR（p）模型的偏自相关函数是以p步截尾的，自相关函数拖尾。 MA（q）模型的自相关函数具有q步截尾性，偏自相关函数拖尾（可用以上两个性质来识别AR和MA模型的阶数）。 ARMA（p，q）模型的自相关函数和偏相关函数都是拖尾的。  回总目录 回本章目录 第三节 单位根检验和协整检验 一、单位根检验 如果在一个随机过程中， 的每一次变化均来自于一个均值为零的独立同分布，即随机过程 满足： 其中, 独立同分布，并且： 称这个随机过程是随机游动。它是一个非平稳过程。  回总目录 回本章目录 第三节 单位根检验和协整检验 一、单位根检验 设随机过程 满足： 其中, 为一个平稳过程，并且：  回总目录 回本章目录 第三节 单位根检验和协整检验 二、协整检验 如果两个或多个非平稳的时间序列，其某个线性组合后的序列呈平稳性，这样的时间序列就被称为有协整关系存在。 利用Engle-Granger两步协整检验法和Johansen协整检验法，可以测定时间序列间的协整关系。  回总目录 回本章目录 第四节 ARMA模型的建模 一、模型阶数的确定 基于自相关函数和偏相关函数的定阶方法 基于F 检验确定阶数 利用信息准则法定阶（AIC准则和BIC准则）  回总目录 回本章目录 第四节 ARMA模型的建模 二、模型参数的估计 初估计 ：AR（p）模型参数的Yule-Walker估计； MA（q）模型的参数估计； ARMA（p，q）模型的参数估计。 精估计：ARMA（p，q）模型参数的估计，一般采用极大似然估计。  回总目录 回本章目录 第四节 ARMA模型的建模 三、ARMA（p，q）序列预报 AR（p）模型预测 ARMA（p，q）模型预测 预测误差 预测的置信区间  回总目录 回本章目录 [例] 设 为一AR（2）序列，其 中 。求 的自协方差函数 。 [解答] Yule-Walker方程为： 即： 且：  回总目录