Unit42Stat.docVIP

非平稳序列的随机分析 20世纪70年代，G. P. Box 和G. M. Jenkins发表了专著《时间序列分析：预测和控制》，对平稳时间序列数据，提出了自回归滑动平均模型ARIMA，以及一整套的建模、估计、检验和控制方法。使时间序列分析广泛地运用成为可能。为了纪念Box和Jenkins对时间序列发展的特殊贡献，现在人们也常把ARIMA模型称为Box-Jenkins模型。 当我们拟合一个时间序列时，先通过差分法或适当的变换使非平稳序列化成为平稳序列，我们再要考虑的是参数化和记忆特征的有效性，用这种参数方法拟合序列为某种特定的结构，只用很少量的参数，使参数的有效估计成为可能。相对于一个序列的过去值，可用传统的Box和Jenkins方法建模。 实际上，Box-Jenkins模型主要是运用于单变量、同方差场合的线性模型。随着对时间序列应用的深入研究，发现还存在着许多局限性。所以近20年来，统计学家纷纷转向多变量、异方差和非线性场合的时间序列分析方法的研究，并取得突破性的进展，其中Engle和Granger一起获得2003年诺贝尔经济学奖。在异方差场合，Robert F.Engle在1982年提出了自回归条件异方差ARCH模型，以及在ARCH模型上衍生出的一系列拓展模型。在多变量场合，70年代末，G. E. P. Box教授和刁锦寰教授在处理洛山矶的环境数据时，提出了干预分析和异常值检验方