经典的ARMA模型解析.pptVIP

时间序列模型-ARMA模型 本章主要内容 时间序列模型的特点 AR、MA和ARMA模型的形式 AR、MA和ARMA模型的识别 AR、MA和ARMA模型的估计 时间序列分析模型的特点 时间序列分析通常并不需要建立在经济理论所体现的经济关系基础之上，而是“让数据自己说话”。Yt可由其自身的滞后值以及随机误差项来解释，因此时间序列分析模型又称乏理论（a-theoretic)模型。 从方法学角度看，时间序列分析主要基于统计学，而不是经济学； 时间序列模型通常适用于做短期预测，即统计序列过去的变化模式尚未发生根本变化的期间； 长期预测则需要建立在经济行为基础之上。 AR、MA和ARMA模型 自回归模型（AR）：反映经济变量的当前值与其过去值的关系 移动平均模型（MA）：反映经济变量当前值与当前及过去误差项的关系 两者结合的模型（ARMA） 习惯上用AR(p)、MA(q)或ARMA(p,q)来表示对应的滞后时期。 AR(p)模型 AR(p)模型是回归模型的一种形式，其一般形式为： 另一种表达方式是用差分形式： 这种模型设定形式可以减少多重共线性 如果一个时间序列有一个单位根，那么在回归模型中可以仅包括?Y。 MA(q)模型 一般形式的MA(q)模型可以表示为 上述模型为q阶移动平均模型 MA(q)模型也不存在非平稳问题。 自回归移动平均模型(ARMA) 如果时间序列Yt是它的当期和