第九章 预测.pptVIP

第九章 预测 基本概念：假设目前是T时刻，使用T时 刻之前的数据(Y1,Y2,…,YT)，对T+h时刻 变量YT+h 的取值进行预测，其中h0, 此 预测值称为以时间T为预测原点的向前 h-步预测。记为 预测－基本概念 ● h步预测：假设时刻T之前的所有数值YT, YT-1,…,Y预测变量YT+h的取值，h0，称为h-步预测，， ● 预测估计量：用 表示基于T时刻之前的观 测对YT+h的预测 ● 预测误差估计量： ● 预测均方误差 ，记为MSE( ) 9.1 最小均方预测 预测 最优预测：选择合适的函数形式，使得预 测均方误差最小的预测是最优预测。 可以证明求YT+h基于YT, YT-1,…，Y1，…的条件 期望是使均方误差最小的预测，条件期望 表示为： E（YT+h | YT, YT-1,…，Y1…）= 9.2 确定性趋势预测 考虑确定性趋势模型： 9.3 MA模型的预测 考虑MA(1)过程 的向前一步预测。由模型知 MA(1)过程的向前二步预测，由模型知 我们有 类似地对MA(2)模型， MA(q)模型的h步预测 练习： 1 计算MA(2)模型 9.4 AR(1)模型的预测 AR（1）模型的h步预测 ?t=c+??t-1 +?t 练习： 2. 对T个数据建立AR(2)模型如下： 已知 ARMA（1，1）模型的预测 ?t=c+? 1Y t-1+?t+? 1?t-1 9.5 小结：ARMA(p,q)模型预测值的计算 1－步预测 2－步预测 对向前l步预测 9.6 ARIMA模型预测 ARIMA(0,1,1) 预测置信区间 ARMA模型表示成MA（?）模型 ?t-?=?t +?1?t-1 +?2?t-2+… h步预测是在基于T时刻前的信息求条件期望，结果如下： 预测误差： 预测的置信区间 95％置信水平下，h－步预测的置信区间，假设服从正态分布 * * 最小化 可得 令 为基于X 的线性函数所得 Y 的最小均方误差预测，则 其中 是均值为零方差有限的白噪声。 的向前l步预测 预测误差 故 这说明预测是无偏的。 向前一步预测误差的方差为 令Fh为在h时刻所能得到的信息的集合。取条件 期望有 向前二步预测误差的方差为 上面的结果表明MA(1)的向前两步预测即是模型的 无条件均值 这样，MA(2)模型的向前两步以后的预测即达到 序列的均值 我们有 一般地，对于一个MA(q)模型，向前q步以后的预测 就达到了模型的均值 的3-步预测值。 和两步预测值 求一步预测值 9.5 ARMA(p,q)模型的预测 相应的预测误差为 向前一步预测误差的方差为 其中，当 时， 当 时， 当 时， (4.4-3) （4.4-3）给出了ARMA(p,q)模型向前l 步预测的 递推公式 相应的预测误差为 这里， 作业： 1、考虑下面的时间序列模型 其中?t ~i.i.d(0,1) 把模型进行简化，写出简化后的形式，简化后的（p, q） 是多少？ 2. 假设 YT =0.14, 使用简化后的模型进行2－步预 测，并给出2－步预测95％的置信区间。 (注：小数点后保留非零数字2位数，提示： 置信区间计算公式 其中?是?t的标准差)