chap 3 平稳时间序列分析.pptVIP

第三章 平稳时间序列分析 本章结构 平稳随机过程与非平稳随机过程 AR(1)和AR(n) MA(1)和MA(n) ARMA 3.1 平稳随机与非平稳随机过程 随机变量和随机过程 平稳随机过程 非平稳随机过程 随机过程（S.P） 定义1：（从时间变化角度来考虑）若对每一个特定的 （T是一个无穷集合，参数集），X(t)是一个随机变量，则称这一族无穷多个随机变量{X(t), }是一个随机过程。 定义2：（从试验结果来看）若对事物变化的全过程进行一次观测，得到的结果是关于时间t的一个函数。但对同一事物的变化过程独立地重复进行多次观测，所得的结果是不相同的，则称这种变化过程为随机过程。 定义3：设E是随机实验，S是它的样本空间，如果对于每一个 我们总可以依某种规则确定一时间t的函数X(e,t)， 与之对应，因此对所有的 来说，得到一族时间t的函数，我们称这族时间t的函数为随机过程，每一个函数为这个随机过程的样本函数（一次实现）。 R.V与S.P的区别与联系 区别： 1）单值实函数 函数簇 2）t 无关 有关 3）静态 动态 联系 1）包含关系 2）特例 3）t固定 R.V=S.P 平稳S.P 纯随机过程---白噪声 独立增量随机过程 二阶矩过程 正态过程 严平稳过程 严平稳与宽平稳关系 严 宽 宽 严 严+二阶矩存在 宽 正态过程 严 宽 非平稳S.P 自相关 比如回归模型： 动态性 系统的记忆性 3.2 AR(1)和AR(n) AR模型（Auto Regression Model） AR(1): 其中X(t)为零均值平稳序列； 为X_{t}对X_{t-1}的依赖程序； 为随机扰动。 本质：独立数据变化器。 AR(p) 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 模型 AR(P)序列中心化变换 称 为 的中心化序列 ，令 自回归系数多项式 引进延迟算子，中心化 模型又可以简记为 自回归系数多项式(特征多项式) 线性差分方程 线性差分方程 齐次线性差分方程 齐次线性差分方程的解 特征方程 特征方程的根称为特征根，记作 齐次线性差分方程的通解 不相等实数根场合 有相等实根场合 复根场合 非齐次线性差分方程的解 非齐次线性差分方程的特解 使得非齐次线性差分方程成立的任意一个解 非齐次线性差分方程的通解 齐次线性差分方程的通解和非齐次线性差分方程的特解之和 例3.1 解差分方程 . 分析：非齐次化为齐次 通解+特解 解：考虑齐次差分方程 的解。假设 则有 因此齐次差分方程的通解为 。 求特解，若 =常数，则 。可推出 因此原差分方程的通解为 Ex：1. 2. 平稳性 渐进稳定性：系统受扰后达到任意初始状态，由此出发的状态向量随时间增长趋于平衡状态。 不平稳性：系统受扰后达到任意初始状态，由此出发的状态向量将随着时间的增长而趋向无穷。 临界稳定性：既不回到均衡位置，又不趋向无穷。 AR模型平稳性判别 判别原因 AR模型是常用的平稳序列的拟合模型之一，但并非所有的AR模型都是平稳的 判别方法 单位根判别法 平稳域判别法 例3.1:考察如下四个模型的平稳性 例3.1平稳序列时序图 例3.1非平稳序列时序图 AR模型平稳性判别方法 特征根判别 AR(p)模型平稳的充要条件是它的p个特征根都在单位圆内 根据特征根和自回归系数多项式的根成倒数的性质，等价判别条件是该模型的自回归系数多项式的根都在单位圆外 平稳域判别 平稳域 AR(1)模型平稳条件 特征根 平稳域 AR(2)模型平稳条件 特征根 平稳域 例3.1平稳性判别 平稳AR模型的统计性质 均值 方差 协方差 相关系数 偏自相关系数 均值 如果AR(p)模型满足平稳性条件，则有 根据平稳序列均值为常数，且 为白噪声序列，有 推导出 Green函数 AR(1): Xt=aXt-1+?t 这里，?t 是一个白噪声。 解为： 描述了系统的动态性，称这个系数为格林函数（记忆函数）。记为：