时间序列建模的基本步骤.docVIP

时间序列建模的基本步骤 1．数据的预处理：数据的剔取及提取趋势项。 2．取n 1，拟合（即ARMA 2,1 ）模型 （1），拟和模型。 设所要拟合的模型为， 用最小二乘法拟合出系数。 注意到对于AR 模型，，这里是模型的逆函数，于是可得到的值。 （2）估计ARMA 2,1 模型参数的初始值。 对于ARMA 2,1 模型，我们有： ， 于是 。 注意：以AR 3 中的替代ARMA 2,1 中的是一种近似代替。通过这种方法求得的的绝对值若大于1，则取其倒数作为初始值，以满足可逆性条件。 知道了及，再用下式来确定ARMA 2,1 模型中的： ；。 （3）以（2）中得到的为初始值，利用非线性最小二乘法得到的终值及置信区间，并且求出残差平方和 RSS 。 3．，拟合ARMA模型 其基本步骤与2类似。 ．用F准则检验模型的适用性。若检验显著，则转入第2步。若检验不显著，转入第5步。 对于ARMA模型的适用性检验的实际就是对的独立性检验。检验的独立性的一个简便而有效的办法是拟合更高阶的模型。若更高阶模型的残差平方和有明显减少，就意味着现有模型的不是独立的，因而模型不适用；若更高阶模型的残差平方和没有明显减少，同时更高阶模型中的附加参数的值也很小（其置信区间包含0），则可认为该模型是适用的。具体的检验准则如下。 设有模型和，。假设模型的残差之平方和，模型的残差之平方和，是采集数据的数目，则检验准则为： ， 其中，。 若这样得到的值超过由分布查表所得的在5%置信水平上的值，那么由模型改变为时，残差平方和的改善是显著的，因而拒绝关于模型的适用性假设；值低于查表所得之值，就可以认为在该置信水平上这个模型是适用的。 5．检查的值是否很小，其置信区间是否包含零。若不是，则适用的模型就是。 若很小，且其置信区间包含零，则拟合。 6．利用F准则检验模型和，若F值不显著，转入第7步；若F值显著，转入第8步。 7．舍弃小的MA参数，拟合的模型，并用F准则进行检验。重复这一过程，直到得出具有最小参数的适用模型为止。 8．舍弃小的MA参数，拟合的模型，并用F准则进行检验。重复这一过程，直到得出具有最小参数的适用模型为止。