时间序列总结讲义.pptVIP

时间序列分析总结 自协方差函数 k=0时， k=1时， 上海财经大学统计与管理学院　王黎明 时间序列分析总结 自协方差函数 k=2时， 则（Yule-Walker方程） 上海财经大学统计与管理学院　王黎明 例3.12 求AR(2)序列的偏自相关系数。 解： 对 ，计算可以得到 上海财经大学 统计与管理学院 * 时间序列分析总结 上海财经大学 统计与管理学院 * 时间序列分析总结 时间序列分析总结 待估参数 个未知参数 常用估计方法 矩估计 极大似然估计 最小二乘估计 上海财经大学统计与管理学院　王黎明 时间序列分析总结 原理 样本自相关系数估计总体自相关系数 上海财经大学统计与管理学院　王黎明 时间序列分析总结 AR(2)模型 Yule-Walker方程 矩估计（Yule-Walker方程的解） 上海财经大学统计与管理学院　王黎明 时间序列分析总结 MA(1)模型 方程 矩估计 上海财经大学统计与管理学院　王黎明 时间序列分析总结 ARMA(1,1)模型 方程 矩估计 上海财经大学统计与管理学院　王黎明 时间序列分析总结 AR模型的矩估计 Yule-Wolker方程 上海财经大学统计与管理学院　王黎明 时间序列分析总结 AR模型的矩估计 当k=0时， 则 由此，可以得到参数的矩估计。 上海财经大学统计与管理学院　王黎明 时间序列分析总结 MA模型的矩估计 解此方程的MA模型的矩估计。 上海财经大学统计与管理学院　王黎明 时间序列分析总结 ARMA模型的矩估计 第一步，先给出AR部分的参数　　　　　的矩估计。 第二步， 其协方差函数 上海财经大学统计与管理学院　王黎明 时间序列分析总结 ARMA模型的矩估计 第三步，把　 近似看作MA模型　　　　　 上海财经大学统计与管理学院　王黎明 时间序列分析总结 优点 估计思想简单直观 不需要假设总体分布 计算量小（低阶模型场合） 缺点 信息浪费严重 只用到了p+q个样本自相关系数信息，其他信息都被忽略 估计精度差 通常矩估计方法被用作极大似然估计和最小二乘估计迭代计算的初始值 上海财经大学统计与管理学院　王黎明 时间序列分析总结 原理 在极大似然准则下，认为样本来自使该样本出现概率最大的总体。因此未知参数的极大似然估计就是使得似然函数（即联合密度函数）达到最大的参数值 上海财经大学统计与管理学院　王黎明 对极大似然估计的评价 优点 极大似然估计充分应用了每一个观察值所提供的信息，因而它的估计精度高 同时还具有估计的一致性、渐近正态性和渐近有效性等许多优良的统计性质 缺点 需要假定总体分布 上海财经大学统计与管理学院　王黎明 时间序列分析总结 模型的显著性检验 整个模型对信息的提取是否充分 参数的显著性检验 模型结构是否最简 上海财经大学统计与管理学院　王黎明 时间序列分析总结 目的 检验模型的有效性（对信息的提取是否充分） 检验对象 残差序列 判定原则 一个好的拟合模型应该能够提取观察值序列中几乎所有的样本相关信息，即残差序列应该为白噪声序列 反之，如果残差序列为非白噪声序列，那就意味着残差序列中还残留着相关信息未被提取，这就说明拟合模型不够有效 上海财经大学统计与管理学院　王黎明 时间序列分析总结 原假设：残差序列为白噪声序列 备择假设：残差序列为非白噪声序列 上海财经大学统计与管理学院　王黎明 时间序列分析总结 LB统计量 上海财经大学统计与管理学院　王黎明 时间序列分析总结 上海财经大学统计与管理学院　王黎明 预测误差 预测值 时间序列分析总结 预测值 上海财经大学统计与管理学院　王黎明 时间序列分析总结 估计误差 期望 方差 上海财经大学统计与管理学院　王黎明 时间序列分析总结 预测值(AR(p)模型） 预测方差 95％置信区间 上海财经大学统计与管理学院　王黎明 上海财经大学 统计与管理学院 * 时间序列分析总结 上海财经大学 统计与管理学院 * 时间序列分析总结 时间序列分析总结 单整 上海财经大学统计与管理学院　王黎明 差分：用变量 的当期值减去其滞后值而得到新序列的方法 单整：若一个非平稳的时间序列 必须经过d次差分之后才能变换成一个平稳的ARMA时间序列，则称 具有d阶单整性。记作 上海财经大学 统计与管理学院 * 时间序列分析总结 时间序列分析总结 上海财经大学统计与管理学院　王黎明 协整 一般来说，若 但如果 的单整阶数小于d，则称 和 存在协整关系 协整的经济含义是什么？ 协整