16自回归移动平均模型概览.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * gdp_zcf.wfl * * * consp_gdpp.wfl * * * * * * * * * * * * * * * * 由于 于是 从而可得??2的估计值 在具体计算 时, 可用样本自相关函数rk替代。 2. MA(q)模型的矩估计 将MA(q)模型的自协方差函数中的各个量用估计量代替，得到： (*) 首先求得自协方差函数的估计值，(*)是一个包含(q+1)个待估参数 的非线性方程组, 可以用直接法或迭代法求解。 常用的迭代方法有线性迭代法和Newton-Raphsan迭代法。 （1）MA(1)模型的直接算法 对于MA(1)模型，（*）式相应地写成 或 有 于是有解 由于参数估计有两组解，可根据可逆性条件|?1|1来判断选取一组。 于是 （2）MA(q)模型的迭代算法 对于q1的MA(q)模型，一般用迭代算法估计参数。由（*）式得 第一步，给出 的一组初值，比如 代入（**）式，计算出第一次迭代值 （**） 第二步，将第一次迭代值代入（**）式，计算出第二次迭代值 按此反复迭代下去，直到第m步的迭代值与第m-1步的迭代值相差不大时（满足一定的精度），便停止迭代，并用第m步的迭代结果作为（**）的近似解。 3. ARMA(p,q)模型的矩估计 在ARMA(p,q)中共有(p+q+1)个待估参数?1,?2,?,?p与?1,?2,?,?q以及??2，其估计量计算步骤及公式如下： 第一步，估计?1,?2,?,?p 是总体自相关函数的估计值，可用样本自相关函数rk代替。 第二步，改写模型, 求?1,?2,?,?q以及??2的估计值. 将模型: 改写为： 令 于是(*)可以写成： 构成一个MA模型。按照估计MA模型参数的方法,可以得到?1,?2,?,?q以及??2的估计值。 4. AR(p)的最小二乘估计 假设模型AR(p)的参数估计值已经得到，即有 残差的平方和为： (*) 根据最小二乘原理，所要求的参数估计值是下列方程组的解： 即 j=1,2,…,p (**) 解该方程组，就可得到待估参数的估计值。 注意，在上述模型的平稳性、识别与估计的讨论中，ARMA(p,q)模型中均未包含常数项。 如果包含常数项，该常数项并不影响模型的原有性质，因为通过适当的变形，可将包含常数项的模型转换为不含常数项的模型。 以一般的ARMA(p,q)模型为例，对含有常数项的模型： 方程两边同减?/(1-?1-?-?p)，则可得到 其中 (*) 如果估计的ARMA(p,q)模型正确，残差应代表一白噪声序列，否则说明模型的识别与估计有误，需重新识别与估计。 1. 残差项的白噪声检验 五、模型的检验 实际检验时，主要检验残差序列是否存在自相关。可用Q 统计量进行?2检验来检验是否拒绝残差序列为白噪声的零假设。 2. AIC与SBC模型选择标准 有可能存在不止一组(p,q)值都能通过识别检验。 对可能的适当的模型，存在着模型的“简洁”与模型的拟合优度的权衡选择问题。 常用的模型选择的判别标准有：AIC与SBC 注意：在不同模型间进行比较时，必须选取相同的时间段。 中国支出法GDP是非平稳的，但它的一阶差分是平稳的，即支出法GDP是I(1)时间序列。 可以对经过一阶差分后的GDP建立适当的ARMA(p,q)模型。 记GDP经一阶差分后的新序列为GDPD1，该新序列的样本自相关函数图与偏自相关函数图如下： Eviews 例，中国支出法GDP的ARMA(p,q)模型估计。 图形：样本自相关函数图形呈正弦线型衰减波，而偏自相关函数图形则在滞后两期后迅速趋于0。因此可初步判断该序列满足2阶自回归过程AR(2)。 可以认为：偏自相关函数是截尾的。再次验证了一阶差分后的GDP满足AR(2)随机过程。 自相关函数与偏自相关函数的函数值： 自相关函数具有明显的拖尾性； 偏自相关函数值在k2以后， 设序列GDPD1的模型形式为： 有如下Yule Walker 方程： 解为： 用OLS法回归的结果为： (1) （7.91) (-3.60)