ARMA模.pptVIP

* * 匡耳饿酌资斜稳玩蒲疏悍蛮留限让谍涵潍黑低掀撑讫鳞恨借馁碑径幕纯宪ARMA模型ARMA模型 时间序列分析模型 时间序列分析模型简介 一、时间序列分析模型概述 1、自回归模型 2、移动平均模型 3、自回归移动平均模型 二、随机时间序列的特性分析 三、模型的识别与建立 四、模型的预测 磊手报阁戒敌乒挖抗尹写凄董肖磨骄节筹绳浩钝廉帐平胯溪涯洞饼旷罕窘ARMA模型ARMA模型 1 时间序列分析模型【ARMA模型 】简介 ARMA模型是一类常用的随机时间序列模型，是一种精度较高的时间序列短期预测方法，其基本思想是：某些时间序列是依赖于时间 的一族随机变量，构成该时间序列的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律性，可以用相应的数学模型近似描述. 通过对该数学模型的分析研究，能够更本质地认识时间序列的结构与特征，达到最小方差意义下的最优预测. ARMA模型有三种基本类型： 自回归（AR：Auto-regressive）模型 移动平均（MA：Moving Average）模型 自回归移动平均（ARMA：Auto-regressive Moving Average）模型 一、概 述 斤暂授名境醉胆刻掳岿蹦逻弛亭打舅忍插搽州访烤炔凹靴喧震塞靖皮沂已ARMA模型ARMA模型 1 时间序列分析模型【ARMA模型 】简介 1、自回归【 AR 】模型 自回归序列 ： 如果时间序列 是它的前期值和随机项的线性函数，即可表示为 【1】 【1】式称为 阶自回归模型，记为AR（ ） 注1：实参数 称为自回归系数，是待估参数.随机项 是相互独立的白噪声序列，且服从均值为0、方差为 的正态分布.随机项与滞后变量不相关。 注2：一般假定 均值为0，否则令 岩灌鞭窟歌芜桩滨人乏逼砰药卷棍捂尿篓樟撼石桶躇执皋寥红率巴续蛔梁ARMA模型ARMA模型 1 时间序列分析模型【ARMA模型 】简介 记 为 步滞后算子，即 ，则模型【1】可表示为 令 ，模型可简写为 AR（ ）过程平稳的条件是滞后多项式 的根均在单位圆外，即 的根大于1 【2】 祝惮他止服吏事索蛋茸寐勉坤惩趴渊掏伐橡姆吮腹孔陷误蝎竹宪攀剔酉舔ARMA模型ARMA模型 1 时间序列分析模型【ARMA模型 】简介 2、移动平均【MA】模型 移动平均序列 ： 如果时间序列 是它的当期和前期的随机误差项的线性函数，即可表示为 【3】 式【3】称为 阶移动平均模型，记为MA（ ） 注：实参数 为移动平均系数，是待估参数 晨恫份祷擅咏刀碱故宿撵瘩擞穆刁敬铝阀蕾颅鸵觅姿木吊朗惜竞妇妮店惰ARMA模型ARMA模型 1 时间序列分析模型【ARMA模型 】简介 引入滞后算子，并令 则模型【3】可简写为 注1：移动平均过程无条件平稳 注2：滞后多项式 的根都在单位圆外时，AR过程与MA过程 能相互表出，即过程可逆， 【4】 即为MA过程的逆转形式，也就是MA过程等价于无穷阶的AR过程 注3：【2】满足平稳条件时， AR过程等价于无穷阶的MA 过程，即 班谊狈擂子札佳映贝苟脉琅遵要愁作句墙射呼苗露睹肘两洒气华和袭烤漂ARMA模型ARMA模型 1 时间序列分析模型【ARMA模型 】简介 3、自回归移动平均【ARMA】模型 【B-J方法建模】 自回归移动平均序列 ： 如果时间序列 是它的当期和前期的随机误差项以及 前期值的线性函数，即可表示为 【5】 式【5】称为 阶的自回归移动平均模型，记为ARMA 注1：实参数 称为自回归系数， 为移动平均系数， 都是模型的待估参数 注2：【1】和【3】是【5】的特殊情形 注3：引入滞后算子，模型【5】可简记为 【6】 注4：ARMA过程的平稳条件是滞后多项式 的根均在单位圆外 可逆条件是滞后多项式 的根都在单位圆外 迄融罩瓶樟湾敛观职赎抚朗牢悲宅谋肪实瘟务突壮氛失贡返砷障虐肥徘款ARMA模型ARMA模型 1 时间序列分析模型【ARMA模型 】简介 二、随机时间序列的特性分析 1、时序特性的研究工具 （1）自相关 构成时间序列的每个序列值 相关关系称为自相关。自相关程度由自相关系数 表示时间序列中相隔 期的观测值之间的相关程度。 之间的简单 度量， 注1： 是样本量， 为滞后期， 代表样本数据的算术平均值 注2：自相关系数 的取值范围是 且 越接近1，自相关程度越高 颜怒摹亿快冰炒柜腰早占徘堪素犊娇盈枯耙品甲