本时间序列分析第三部分(下)学习课件.pptVIP

时间序列分析 对于平稳可逆的ARMA过程： （1）ARMA(p,q)过程的ACF会从滞后期q开始衰减。即ACF满足AR部分的齐次线性差分方程，其模式将会按特征根所表示的形式变化。 （2） ARMA(p,q)过程的PACF会从滞后期p开始衰减。PACF会依照模型 的PACF系数的形式变化。 二、偏自相关函数 3. 偏自相关函数的概率意义 1. 偏自相关函数的引入 2. 偏自相关函数的一般定义 4. 偏自相关函数的计算 5. 利Yule－Wolker方程计算 1. 偏自相关函数的引入 对MA(q)模型，其自相关函数是q步截尾的，这是MA的特有标志，但AR和ARMA模型，其自相关函数却都是拖尾的。 是否有某种统计量能体现AR的独有特性？有没有一种函数，对MA模型是拖尾的，对AR模型却是截尾的？回答是肯定的，这就是我们将要介绍的偏自相关函数。 用φkj记k阶回归表达式中的第j个系数，φkk就是最后一个系数。利用线性最小二乘估计得到其中的系数，即对k，可选择系数 达到极小值的系数 （k阶自回归中Xt-k的系数）称为偏自相关函数。 2. 偏自相关函数的一般定义 使得： Xt：零均值平稳时间序列，由Xt-1，Xt-2，…，Xt-k对Xt做回归， 即有： AR(1)：Xt只与Xt-1直接相关，与Xt-j(j1)不直接相关，但其自相关函数却是拖尾的。也即Xt与Xt-2有关系。这是因为Xt与Xt-1相关，而Xt-1又与Xt-2相关， Xt由于Xt-1的缘故与Xt-2相关。事实上， Xt剔除Xt-1的影响后与Xt-2可能不相关。 剔除中间变量影响后的相关就是偏自相关。 3. 偏自相关函数的概率意义 所以，对AR(P)模型，偏自相关函数p阶截尾。即 从另一角度来看，对AR模型来说，第k个偏自相关系数就是AR模型中Xt-k的回归系数，那么对于AR(p)模型，有 即，对AR(P)模型，偏自相关函数p阶截尾。 总的相关关系： 直接相关＋间接相关 自相关函数是不考虑是否有中间影响的Xt间的总的相关关系。 偏自相关函数是剔除中间影响后的相关，是一种直接相关关系，也即描述Xt与Xt-k之间部分的相关关系，也即是一种条件相关。 4. 偏自相关函数的计算 5. 利用Yule－Wolker方程计算 根据偏自相关函数的一般定义和极值原理，对 关于 求导，得到： 最后得到： 将矩阵展开为方程组，即为Yule-Walker方程。 对k＝1，2，3，…依次求解Yule-Walker方程，得到 一个p阶自回归过程，当k小于或等于p时，偏自相关函数φkk不为零，而当k大于p时，偏自相关函数φkk为零，即AR(p)过程的偏自相关函数是p阶截尾的。 通过计算推导可以证明，MA模型和ARMA模型的偏自相关函数都是拖尾的。 根据MA模型的逆转形式可知，偏自相关函数有无穷多个；若模型可逆，则PACF拖尾。 * * 第三章 ARMA模型的特性 本章共有四节内容： ※第一节 格林函数和平稳性 ※第二节 逆函数和可逆性 ※第三节 自协方差函数 ※第四节 自谱 第三节 自协方差函数 一、自相关函数 2. 理论自相关函数与样本自相关函数 1.自相关函数的引入 3. 格林函数与自协方差函数之间的关系 二、偏自相关函数 4. ARMA模型自协方差函数及其特点 一、自相关函数 1. 自相关函数的引入 AR(1)模型： Xt与Xt-j虽不直接相关，但有一定的相关关系，这就是我们这一节将要给大家介绍的自相关函数。 问题： Xt与Xt-2是否有相关关系？有怎样的相关关系？怎样去度量这种相关关系？ 对MA(1)模型呢？ 2. 理论自相关函数与样本自相关函数 Xt：零均值平稳时间序列； 任何一个ARMA模型都可转化为等价的零均值ARMA模型。 （1）自协方差函数 cov(Xt，Xt-k)＝（若Xt零均值平稳）E(XtXt-k)=γk （2）理论自相关函数 自协方差函数 cov(Xt，Xt-k)=γk （3）样本自相关函数（注：样本数据也先进行零均值化处理） 自相关函数 由此可知，自相关函数和自协方差函数是关于零点对称的。一个正态平稳过程Xt能够被其均值和协方差函数（或等价地，均值、方差和自相关函数）完全刻划。 一个平稳过程的自协方差函数具有以下性质： （4）自协方差函数和自相关函数的性质 （5）协差阵 (6) 对样本自相关函数的说明 这是因为后者的方差要小于前者；后者是正定序列，协差阵为正定阵，对平稳序列