第八讲平稳时间序列模型的建立分析.pptVIP

第八讲 平稳时间序列模型的建立 第一节 平稳时间序列模型的识别 第二节 模型的定阶 第三节 ARMA模型参数估计 第四节 模型的诊断检验 模型识别 用自相关图和偏自相关图识别模型形式 (p=? q=?) 参数估计 确定模型中的未知参数 模型检验 包括参数的显著性检验和残差的随机性检验 模型优化 序列预测 第一节 平稳时间序列模型的识别 一、模型识别前的说明 二、模型识别方法 一、模型识别前的说明 （一）关于非平稳序列 本讲所介绍的是对零均值平稳序列建立ARMA模型，因此，在对实际的序列进行模型识别之前，应首先检验序列是否平稳，若序列非平稳，应先通过适当变换将其化为平稳序列，然后再进行模型识别。 序列的非平稳包括均值非平稳和方差非平稳。 均值非平稳序列平稳化的方法：差分变换。 方差非平稳序列平稳化的方法：对数变换、平方根变换等。 序列平稳性的检验方法和手段主要有：序列趋势图、自相关图、单位根检验、非参数检验方法等等。 （二）关于非零均值的平稳序列 非零均值的平稳序列有两种处理方法： 设xt为一非零均值的平稳序列，且有E(xt)=μ 方法一: 用样本均值 作为序列均值μ的估计，建模前先对序列作如下处理： 令 然后对零均值平稳序列wt建模。 方法二 在模型识别阶段对序列均值是否为零不予考虑，而在参数估