时间序列分析-05..docVIP

第三章 ARMA模型 ARMA（Autoregressive moving average）序列的数学模型是有限参数线性模型。 优点： 理论成熟,应用广泛; 她描述的时间序列自相关结构便于统计分析和数学处理. 精度可达到实际要求. 可推导简便实用的线性预报理论. §3.1 因果可逆的ARMA序列 ARMA（p,q）序列 定义3.1.1 设是零均值平稳序列,对任意,满足线性差分方程 (3.1.1) 其中,阶自回归多项式 与阶滑动平均多项式 无公共因子,,则称为阶自回归阶滑动平均序列,简称ARMA(,)序列,称满足ARMA(,)模型. ,分别称为自回归阶数和滑动平均阶数,实参数为自回归参数,实参数为滑动平均参数. 记 其中是(1.4.5)式定义的延迟算子,则(3.1.1)可简记为 (3.1.2) 定义3.1.2. 在定义3.1.1中,如果,则称满足线性差分方程 (3.1.3) 的零均值平稳序列为阶自回归序列,称 满足AR()模型. 定义3.1.3. 在定义3.1.1中,如果,则称满足线性差分方程 (3.1.4) 的零均值平稳序列为阶滑动平均序列,称满足MA()模型. 例3.1.1. 例3.1.2. ARMA(,)模型、AR()模型、MA()模型在自然科学、工程技术以及社会经济的建模中其作非常重要的作用。 AR()模型的平稳解 考虑AR（1）模型 （3.1.5） 反复迭代得解： (3.1.6) 1)如果是平稳序列，则 在均方意义下成立，且以概率1成立。 可以验证它也是唯一平稳解。 2)如果,随机序列(3.1.6)在中不收敛,但(3.1.5)式可改写为 (3.1.7) 反复迭代得解： (3.1.8) 是(3.1.5)的唯一平稳解. 3)如果,则(3.1.5)无解. 因果ARMA(,)序列 定义3,1,4. 在定义3.1.1中,如果存在常数序列满足 使得 (3.1.9) 则称为因果ARMA(,)序列. 物理意义,该序列可由现时刻及以前时刻的白噪声序列通过线性系统而生成. 引理3.1.1 设随机变量序列满足 则序列 (3.1.10) 以概率绝对收敛.并且如果则序列均方收敛于同一极限. 证明:略 引理3.1.2 设是自协方差函数为的平稳过程, ,则对每一,序列(3.1.10)以概率1绝对收敛和以均方收敛于同一极限.并且如果 则是平稳过程,,其自协方差函数为 证明: 定理3.1.1. 设是ARMA(,)序列,则是因果ARMA(,)序列的充分必要条件是对任何(3.1.9)式中的系数由下式确定 (3.1.11) 证明:类似定理3.1.2 可逆ARMA(,)序列 定义3.1.5 在定义3.1.1中,如果存在常数列,满足,使得 (3.1.12) 则称为可逆ARMA(,)序列. 定理3.1.2. 设是ARMA(,)序列,则是可逆ARMA(,)序列的充分必要条件是对任何(3.1.9)式中的系数由下式确定 (3.1.13) 证明: 定理3.1.3.如果在ARMA模型 (3.1.14) 有唯一平稳解的充分必要条件是 (3.1.15) 其中系数由确定. §3.1 ARMA序列的自相关(系数)函数 MA（）序列的自相关函数 MA（）序列 的自协方差函数 （3.2.1） 其中. 相应地,自相关系数函数 （3.2.2） 定理3.2.1 设是零均值平稳序列,自协方差函数为,且 则是MA（）序列. 即存在白噪声序列,使得 证明:略 二、MA（∞）序列的自协方差函数 定义3.2.1 设,如果存在常数列,满足,使得 (3.2.3) 成立,则称无限滑动平均序列,简称为MA(∞)序列. 定理3.2.2 MA(∞)序列是均值为零自协方差函数为 的平稳序列. ARMA(,)序列的自协方差函数 四、AR（）序列的自相关（系数）函数