(第2章平稳时间序列模型.doc

平稳时间序列模型 本章将介绍Box-Jenkins方法，主要包括一元平稳时间序列的识别、估计、诊断和预测方法。 2．1 平稳性 时间序列的均值和协方差 一个随机过程的线性性质可由均值和协方差来描述。如果这个过程是正态过程， 可以完全刻画这个随机过程的分布性质。如果没有正态性质，但生成过程是线性的，则在它的均值和方差中可获得关于这个过程的更多的重要特征。 下面的问题是如何来估计，对于一些过程我们可以得到大量的实现（反复做观测）那么，的估计是 但对大多数过程来说，得不到更多的实现。如，不可能把经济停下来，然后重新开始观测。对一个实现，不可能估计出。 为了克服这个困难，时间序列分析要做如下的假设：均值和方差不随时间而改变。 如果对任何t, t-s, 都有 这里 都是常量，与时间无关，是依赖于的常量。这样的随机过程称为协方差平稳。 可以简单地说，如果一个时间序列的均值和协方差不受时间变化影响，则称这个时间序列是协方差平稳。 在一些文献中，协方差平稳的过程也称为弱平稳，二阶矩平稳或宽平稳过程。（注意一个强平稳过程不一定有有限的均值和方差）。 一个更进一步的假设是遍历性（ergodic）。这是一个较难理解的一个概念。遍历性是指，按时间平均 是总体均值的无偏、一致估计。即。同理，的估计也是一致的。 因此，如果有平稳性和遍历性的假设，利用关于时间的平均，就可以得到较好的估计。遍历性的一个必要条件（但不充分）是。 对于一个协方差平稳的序列，和之间的自相关系数可定义为 因此， 之间的自相关系数与之间的自相关系数相同，显然。序列描述了这个过程的一个值与先前的值的相关程度，所以自相关系数可用来测量过程本身的记忆性的长度和强度，即在时刻t的值与时刻t-s 的值的相关程度。的图形被称为相关图。用来刻画这个过程生成机制的线性性质。 2.2 自回归模型 如果一个时间序列可表示成 是零均值白噪声 则称为一阶自回归过程。记为~。 由Yule (1927) 引入，起源于实践。如，每月的失业人数可认为是上月失业人数的一个固定比例，加上寻求职业的工人数。如果这些人数形成一个白噪声序列，那么，失业序列就是一阶自回归。更一般的形式 称为阶自回归过程。记为。 如果=0的根在单位园外，则过程是平稳的。 用滞后算子表示为 ，它的一般解为 。如果平稳性条件成立，则。这里，。特别地，如果~那么，，所以， (2.2.1) 如果，则，由此可看出，如果，的解具有发散性质。 2.3 运动平均模型 一般的运动平均的模型是 按这样方式构成的序列被称为阶为q的运动平均，记为~MA(q)。 运动平均过程由Yule （1926）引出，Wold （1938）进行了详细地研究。如果一个经济变量处在均衡中， 如果受到来自经济系统内部（或外部）不可预期事件的冲击而偏离原来状态。如果本系统并不能立刻吸收这些冲击效应，那么，将出现一个运动平均模型。 如，一个小型商品市场得到了一系列关于农产品状况的信息， 一条特别新闻对价格有即时影响，也有不同程度的滞后影响，令表示价格在t 处的变化，假设这种冲击影响价格变化，直到q 天,这种冲击影响消失。 这时，较适当的模型是MA(q) 如果影响是逐渐消失），，即天前的影响是，则 , 由（2.2.1），可表示成 这时，过程等价于过程。 由2.2节知道，平稳的过程可以写成，那么，如果的根在单位园外（可逆性性条件成立），则过程可以写成过程。 2.4 ARMA 模型 将自回归模型和运动平均模型结合起来， （2.4.1） 总可以将标准化成1，如果自回归部分和运动平均部分的滞后阶数分别为p,q，模型被称为ARMA(p,q)。如果q=0，这过程被称为自回归过程AR(p), 如果p=0, 这过程是运动平均过程MA(q)。在ARMA模型中，允许p,q是无限的。用滞后算子表示为 这里。 这时容易知道： 如果的根在单位园外，则过程是平稳的。 如果过程是平稳的，则有一个等价的过程。 如果的根在单位园外（通常称为可逆性条件），则有一个等价的过程。 这说明，一个平稳的ARMA过程可以逼近高阶MA 过程。如果过程满足可逆性条件， 这过程可以逼近高阶AR 过程。 2．5 自相关函数 Box-Jenkins(1976)在识别和估计时间序列时，给