第六章多维时间序列的AR精编.ppt

第六章 多维时间序列的AR模型 多维平稳序列 多维平稳序列的均值和自协方差函数的估计 多维AR p 序列 例：序列y1,y2,y3分别表示我国1952年至1988年工业部门、交通运输部门和商业部门的产出指数序列。 第一节 多维平稳序列 一、二阶矩有穷的多维时间序列 定义1.1 设 为m维随机向量序列，其中 若 ，则称 为二阶矩有穷的m维随机向量序列，简称 为m维随机序列。记 分别称为 的均值向量函数和协方差 阵函数，其中*表示共轭转置。 二、多维平稳时间序列 定义1.2：设 为m维二阶矩有穷随机序列，若均 值向量函数 和协方差函数 满足 则 称为m维平稳序列， 称为平稳相关。 定理1.1 为m维平稳序列的协方差阵函数，则 i ii iii iv 对任意正整数 ,m维复向量 ,有 即 为非负定阵。 定义1.3：若m维平稳序列 满足 1.1 其中S 0 正定阵 ，则称 为m维平稳白噪声序 列，简称m维白噪声序列。 定义1.4：若m维随机序列 满足： 1.2 其中 为满足 1.1 的s维白噪声序列， 为 常值阵序列，满足 则称 为m维平稳线性序列。可证 1.2 中的每个分量 都均方收敛，且有 三、常见多维平稳模型 1、多维滑动平均模型 2、多维自回归模型 第二节 多维平稳序列的均值和 自协方差函数的估计 简单起见，以下假定序列为实序列 一. 均值的估计 设 是m维平稳序列， 是观测值，均值 的点估计定义为 相合性： 定理2.1 如果 的每个分量序列 都是严平稳遍历序列，则当 时 定理2.2 如果自协方差函数满足条件 则 其中 定理2.3 如果 则当 时，有 定理2.4 如果 为以下的m维平稳线性序列 二. 自协方差函数的估计 设 是m维平稳序列， 是观测值， 的估计为 相关系数 的估计为 其中 表示 的第 i,j 元素，自相关 系数矩阵的估计是 第三节 多维AR p 序列 一. 多维ARMA模型 定义3.1 设 为实m维平稳序列， 称它为k 维ARMA p,q 序列，如果 满足如下m维随机差分方程 3.1 其中 为 实系数阵， 为实m维白噪声序列， 记 3.2 且满足如下条件： i ii 和 是左互质，即若 ，则 iii ,rank表示秩。 若满足条件 i ，则称 3.1 具有平稳性和可逆性，且有 当p 0时，称 3.1 为m维MA q 模型， 当q 0时，称 3.1 为m维AR p 模型。 多维ARMA p,q 模型 3.1 的传递形式和逆转形式分别 为： 且 注：对多维ARMA p,q 模型建模时遇到两大困 难， 1 多维ARMA p,q 模型的参数不可由 唯一决 定，当然也不可由 的自协方差函数唯一决定 称之为多维ARMA模型的不可识别性。 2 一维ARMA模型中，对滑动平均参数的估计常 要采用非线性最小二乘估计，对于多维情形就更 复杂、更困难。 二. 多维AR模型 定义3.2 设 为实m维平稳序列， 称它为m 维AR p 序列，如果 满足如下k维随机差分方程 3.3 其中 为 实系数阵， 为实m维白噪声序列， 记 3.4 且满足如下条件： i ii VAR 1 模型的解: VAR 1 序列的自协方差函数: 三. 多维AR模型的参数估计 目的：假定自回归的阶数p已知，求出自回归系数阵 和白噪声方差阵S的估计。 1. 自回归系数阵的矩估计 设 为VAR p 序列 3.3 对 3.3 等式两边右乘 ，再求数学期望得， 3.4 式取k 1,2,…,p可表为矩阵型的线性方程组： 3.6 令 称 3.6 式为Yule-Walker方程，它可表为 3.7 设 为 的长度为n的样本，当n充 分大时，m维样本自协方差阵 3.8 可作为 的估计。于是， 系数阵的估计：AR p 模型的系数阵的估计 3.9 称 为 的矩估计，又称为Yule- Walker估计。 白噪声方差S的矩估计为 3.10 2.多维AR p 模型系数的最小二乘估计 求 使得， 3.11 达最小，则 必须满足： 3.12 其中 是 的第 行第j列的元素。 则有， 3.13 记 3.14 则 3.13 为 3.15 当n充分大时， 渐近相等。 系数阵的最小二乘估计：由 3.15 解出 ，记 称之为 的最小二乘估计。 m维白噪声序列 的方差阵S的最小二乘估计： 3.16 3.多维AR p 模型系数阵的递推估计 1 . m维AR模型系数阵随阶数p的递推算法 为了表示自回归系数阵 随着模型阶数p而变，将它表示为 则模型表