时间序列模型实例分析报告.ppt

平稳时间序列 平稳性时间序列 由平稳随机过程产生的时间序列的性质： 概率分布函数不随时间的平移而变化，即： P（Y1，Y2，… …，Yt）=P（Y1+m，Y2+m，… …，Yt+m) 期望值、方差和自协方差是不依赖于时间的常数，即： E（Yt）=E（Yt+m） Var（Yt）= Var（Y t+m） Cov（Yt，Y t+k）= Cov（Y t+m，Y t+m+k） 随机性时间序列模型是以时间序列的平稳性为基础建立的 随机性时间序列模型的特点 利用时间序列中的自相关关系进行分析和建摸 时间序列的自相关关系是指时间序列在不同时期观测值之间的相关关系 许多因素产生的影响不是瞬间的，而是持续几个时期或更长时间，因此时间序列在不同时期的值往往存在较强的相关关系 用自相关函数和偏自相关函数衡量时间序列中的自相关关系 时间序列的自相关关系 自相关函数 随机过程的自相关函数 样本的自相关函数 偏自相关函数 随机过程的偏自相关函数 样本的偏自相关函数 自相关函数 对于平稳随机过程，滞后期为 K 的自相关函数定义为滞后期为 K 的自协方差与方差之比 样本自相关函数 样本自相关函数的性质 可以用来判断时间序列的平稳性 平稳性时间序列的样本自相关函数值随滞后期的延长很快趋近于零 可以较好描述季节性变动或其他周期性波动的规律 如果季节变化的周期是 12 期，观测值 Yt