第讲时间序列数学中国分析.ppt

第3讲 时间序列分析（1） 华中农业大学 汪晓银 教授 教材说明 以下内容均在《数学建模与数学实验（第二版）》（汪晓银 ，周保平主编，科学出版社）第2章。 由于时间关系，PPT做得较为简洁，详细解释请看教材 3.1 时间序列数据的预处理 概率分布的意义 随机变量族的统计特性完全由它们的联合分布函数或联合密度函数决定 时间序列概率分布族的定义 几个重要数字特征：均值 、方差、自协方差、自相关系数 特征统计量 均值 方差 自协方差 自相关系数 平稳时间序列的定义 宽平稳是使用序列的特征统计量来定义的一种平稳性。它认为序列的统计性质主要由它的低阶矩决定，所以只要保证序列低阶矩平稳（二阶），就能保证序列的主要性质近似稳定。 平稳时间序列的统计性质 常数均值和方差 自协方差函数和自相关函数只依赖于时间的平移长度，而与时间的起止点无关 延迟k自协方差函数 延迟k自相关系数 平稳时间序列的意义 时间序列数据结构的特殊性 可列多个随机变量，而每个变量只有一个样本观察值 平稳性的重大意义 极大地减少了随机变量的个数，并增加了待估变量的样本容量 极大地简化了时序分析的难度，同时也提高了对特征统计量的估计精度 平稳性的检验（图检验方法） 时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征。 自相关图检验 平稳序列通常具有短期相关性。该性质用自相关系数来描述就是随着延迟期数的增加，平稳序列的自相关系数会很快地衰减向零。 平稳性检验 例1 检验1964年——1999年中国纱年产量序列的平稳性 例2 检验1962年1月——1975年12月平均每头奶牛月产奶量序列的平稳性 例3 检验1949年——1998年北京市每年最高气温序列的平稳性 3.1 时间序列数据的预处理 data a;input sha@@; year=_n_; dif=dif(sha); cards; 97 130 156.5 135.2 137.7 180.5 205.2 190 188.6 196.7 180.3 210.8 196 223 238.2 263.5 292.6 317 335.4 327 321.9 353.5 397.8 436.8 465.7 476.7 462.6 460.8 501.8 501.5 489.5 542.3 512.2 559.8 542 567 ; proc gplot;plot sha*year=1 dif*year=2; symbol1 v=circle i=join c=black; symbol2 v=star i=join c=red; proc arima data=a;identify var=sha nlag=22; run; 例2 自相关图 例3 时序图 例3 自相关图 纯随机性检验 纯随机序列的定义 纯随机性的性质 纯随机性检验 纯随机序列的定义 纯随机序列也称为白噪声序列，它满足如下两条性质 标准正态白噪声序列时序图 白噪声序列的性质 纯随机性 各序列值之间没有任何相关关系，即为 “没有记忆”的序列 方差齐性 根据马尔可夫定理，只有方差齐性假定成立时，用最小二乘法得到的未知参数估计值才是准确的、有效的线性无偏估计 纯随机性检验 检验原理 假设条件 检验统计量 判别原则 Barlett定理 如果一个时间序列是纯随机的，得到一个观察期数为 的观察序列，那么该序列的延迟非零期的样本自相关系数将近似服从均值为零，方差为序列观察期数倒数的正态分布 假设条件 原假设：延迟期数小于或等于 期的序列值之间相互独立 备择假设：延迟期数小于或等于 期的序列值之间有相关性 检验统计量 Q统计量 LB统计量 判别原则 拒绝原假设 当检验统计量大于 分位点，或该统计量的P值小于 时，则可以以 的置信水平拒绝原假设，认为该序列为非白噪声序列 接受原假设 当检验统计量小于 分位点，或该统计量的P值大于 时，则认为在 的置信水平下无法拒绝原假设，即不能显著拒绝序列为纯随机序列的假定 检验结果 方法性工具 差分运算 延迟算子 线性差分方程 延迟算子 延迟算子类似于一个时间指针，当前序列值乘以一个延迟算子，就相当于把当前序列值的时间向过去拨了一个时刻 记 B为延迟算子，有 延迟算子的性质 AR模型的定义 具有如下结构的模型称为 阶自回归模型，简记为 特别当 时，称为中心化