第二章有限参数模型教材.ppt

第二章 有限参数模型 第一节 自回归模型 一. 一个实际的例子 单摆现象 (1.1) 称之为一阶自回归模型.(1.1)式又被称为一阶随机差分 方程。 特征： 越接近0，阻尼就越大，单摆稳定的越快； 越接近 ，阻尼越小，单摆振荡得越剧烈。 只要 ,单摆总能稳定下来，这时系统(1.1)被称为是稳定的。当 时，单摆无法稳定下来，这时称系统(1.1)是非稳定的。 二. 自回归模型的定义与分类 定义1.1 称以下模型为p阶自回归模型Autoregression Model) ,简记为 (1.2) 式中 是白噪声序列，而且 ，对一切st 成立. 称为自回归系数，满足(1.2)式的时间序列 被称为p阶自回归序列。 称多项式 为(1.2)式的自回归系数多项式。 定义1.2 如果AR(p)模型对应的算子方程的根全部在单位圆外，称该模型是平稳的，否则成为是非平稳的，或者称为广义的AR(p)模型。 注：相应的随机差分方程的特征多项式 的根全部要在单位圆之内 中心化：如果平稳序列 满足(1.2)式，且 ，则令 ，得到 则称 为平稳中心化的AR(p)序列。 定义1.3 设 为零均值平稳序列，若满足如下的p 阶随机差分方程 且满足如下条件 (1) 为白噪声序列 (2) 且 ,ts 称模型(1.3)为p阶自回归模型，记为AR(p),非负整数p称为 自回归阶数，实系数 称为自回归序列,满足模型 (1.3)的序列 称为AR(p)序列。 注：AR(p)模型 与 多元线性回归模型 (1.4) 的区别： 在回归模型(1.4)中， 描述的序列是相互独立的，它们 都是同一总体y的不同次独立随机变量-----静态模型。模 型(1.3)是对自身过去的p个时间的回归------动态模型。 三 平稳AR(p)模型的平稳解 1. AR(1)的平稳解 (1.5) 第一种算法：反复的迭代运算，得到 验证： (1.5)的通解： (1.6) 注：不难看到通解和平稳解之间只差一个无穷小量 ，即系统(1.5)的任何解都随着时间的推移稳定与平稳解(1.6)，或者说由(1.6)定义的平稳序列描述的是在平稳状态下单摆的运动情况，这时只有白噪声 和 a 在起作用。从 可知,当 固定时, 的根 越接近 , 单摆的稳定性越差， 越大，单摆的稳定性越好。 第二种算法：由差分方程求解(1.5),即 2. AR(P)模型的平稳解 (1.7) 令 ，其中 由恒等式 决定。于是(1.7)的解可表示为 (1.8) 注： (1