5.时间序列数据讲述.ppt

AR(1) 过程 一阶自回归过程[AR(1)： yt = ryt-1 + et , t = 1, 2,… 其中et 为独立同分布序列，均值为0，方差为se2 若该过程为弱相关过程， 则有|r| 1 Corr(yt ,yt+h) = Cov(yt ,yt+h)/(sysy) = r1h ，当h增大时逐渐减小 * ARIMA模型 AR(p) p阶自回归模型 MA(q) q阶移动平均模型 ARMA(p,q) 同时有自回归和移动平均模型特征 ARIMA(p,d,q) 数据经过d次差分后成为ARMA模型 模型的选择 自相关函数 MA(q)的自相关函数值在q+1时为0。 检验应该是MA(q)而非MA(q-1)：下列统计量服从标准正态分布 这一性质不能用于识别AR过程 偏自相关函数 如果真实模型为AR(p)，则对于kp，有 AR(p) MA(q) ARMA(p,q) ACF 指数衰减或波动 显著下降直至滞后q 指数衰减 PACF 显著下降直至滞后q 指数衰减 指数衰减 Ljung-Box检验：残差自相关性 AIC（Akaike information criterion) BIC（Schwarz Bayesian information criterion） 估计 AR过程 MA(1)： 对趋势的再探讨 一个包含趋势的序列不可能是平稳的，因为其均值是随着