第三章平稳时间序列模型的建立[61p].pptVIP

第三章 平稳时间序列模型的建立 本章首先介绍利用时间序列的样本统计特征识别时间序列模型，然后分别介绍模型定阶、模型估计和模型检验的多种方法，对Box-Jenkins建模方法和Pandit-Wu建模方法归纳总结，最后给出实际案例。 第一节 模型识别与定阶 一、 自相关函数和偏自相关函数的估计 （一）自协方差函数和自相关函数的估计 1） 是平稳时间序列自协方差的无偏估计量； 则是平稳时间序列自协方差的渐进无偏估计量。 2） 通常是正定的。 （二）偏自相关函数的估计 二、 模型的初步识别 （一） 截尾性的判断 若yt是一个真实MA（q）模型 ， 例1，某资产组合过去100个交易日收益率情况 （二）偏相关系数截尾性的判断 若yt是一个AR（p）过程 ， （三） ARMA（p，q）模型识别 三、模型的定阶 1、残差的方差 （四）模型定阶的最佳准则函数法 1、基本思想：确定一个函数，该函数既要考虑用某一模型拟合原始数据的接近程度，同时又考虑模型中所含参数的个数。当该函数取最小值时，就是最合适的阶数。 衡量模型拟合数据的接近程度的指标是残差方差。 2、最佳准则函数包括AIC、BIC等准则。 AIC准则是1973年由赤池（Akaike）提出，此准则是对FPE准则(用来判别AR模型的阶数是否合适)的推广