平稳时序模型.pptVIP

平稳时间序列模型 时间序列的预处理 平稳性检验 纯随机性检验 时间序列的预处理 平稳时间序列的意义 时间序列数据结构的特殊性 可列的多个随机变量，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，减少了待估参数的个数 图检验（特点） 这种方法是通过观察时间序列的趋势图和自相关图来判断时间序列是否存在趋势性或周期性。 优点：简便、直观。对于那些明显为非平稳的时间序列，可以采用这种方法。 缺点：对于一般的时间序列是否平稳，不易用这种方法判断出来。 (1)时序图检验（判断准则） 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、无明显趋势及无周期特征 (2)自相关图检验（判断准则） 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。 若时间序列的自相关函数在k3时都落入置 信区间，且逐渐趋于零，则该时间序列具有平稳性； 若时间序列的自相关函数更多地落在置信区间外面，则该时间序列就不具有平稳性。 若序列无趋势，但是具有季节性，那末对于按月采集的数据，时滞12，24，36……的自相关系数达到最大(如果数据是按季度采集，则最大自相关系数出现在4，8，12， ……)，并且随