第三章线性平稳时间序列分析.pptVIP

上海财经大学 统计学系 线性平稳时间序列分析 在时间序列的统计分析中，平稳序列是一类重要的随机序列。在这方面已经有了比较成熟的理论知识，最常用的是ARMA（Autoregressive Moving Average）序列。用ARMA模型去近似地描述动态数据在实际应用中有许多优点，例如它是线性模型，只要给出少量参数就可完全确定模型形式；另外，便于分析数据的结构和内在性质，也便于在最小方差意义下进行最佳预测和控制。本章将讨论ARMA模型的基本性质和特征，这是时间序列统计分析中的重要理论基础。 §3.1 线性过程 在正式讨论线性过程之前，我们首先给出相应的准备工具，介绍延迟算子和求解线性差分方程，这些工具会使得时间序列模型表达和分析更为简洁和方便，下面是延迟算子的概念。 设 为一步延迟算子，如果当前序列乘以一个延迟算子，就表示把当前序列值的时间向过去拨一个时刻，即 。 延迟算子 有如下性质： 定义如下形式方程为序列 的线性差分方程： 其中 ， 为实数， 为 的已知函数。 特别地，当函数 时，差分方程： 称为齐次线性差分方程。否则，线性差分方程称为非齐次线性差分方程。 下列方程： 称为齐次线性差分方程的特征方程。这是一个一元p次线性方程，它至少存在p个非零根，称这p个非零根为特征根，记为 。 根据特征根 的情况，齐次线性差分方程解的解有如下情形： 特征根 为互不相同的实根 这时齐次线性差分方程的解为 特征根 中有相同实根 这时齐次线性差分方程的解为 特征根 中有复根 这时齐次线性差分方程的解为 对于非齐次线性差分方程解的问题，通常分下下列两个步骤进行：首先求出对应齐次线性差分方程的通解 ，然后再求出该非齐次线性差分方程的一个特解 ，即 满足： 则非齐次线性差分方程 的解为对应齐次线性差分方程的解 和该非齐次线性差分方程的一个特解 之和，即 3.1.1线性过程的定义 定理3.1 定义（3.1）中的线性过程是平稳序列，且 是均方收敛的。 下面证明序列 是平稳的，容易计算 3.1.2 线性过程的因果性和可逆性 在应用时间序列分析去解决实际问题时，所使用的线性过程是因果性的，即： 设 为一步延迟算子，则 ， ，(3.4)可表为： 其中， ，今后将把 看作对 进行运算的算子，又可作为 的函数来讨论。 在理论研究和实际问题的处理时，通常还需要用 t时刻及t时刻以前的 来表示白噪声 ，即 §3.2 自回归过程AR(p) 上节中所讨论的线性过程及其逆转形式都是无穷和的形式，当用有限和去逼近时即产生有限参数线性模型，而且许多平稳序列本身就是由有限参数线性模型刻画的。有限参数线性模型是时间序列分析中理论最基础、应用最广泛的部分。如下将讨论AR、MA和ARMA三种有限参数线性模型。 3.2.1一阶自回归过程AR(1) 通常地，由于经济系统惯性的作用，经济时间序列往往存在着前后依存关系。最简单的一种情形就是变量当前的取值主要与其前一时期的取值状况有关，用数学模型来描述这种关系就是下面介绍的一阶自回归模型。 在一阶自回归AR(1)模型中，保持其平稳性的条件是对应的特征方程 的根的绝对值必须小于1，即满足 。 对于平稳的AR(1)模型，经过简单的计算易得 3.2.2 二阶自回归过程AR(2) 当变量当前的取值主要与其前两时期的取值状况有关，用数学模型来描述这种关系就是如下的二阶自回归模型AR(2)： 引入延迟算子 的表达形式为： 下面利用特征方程的根与模型参数 的关系，给出AR(2) 模型平稳的 的取值条件（或值域）。 (3.16)和(3.17)式是保证AR(2)模型平稳，回归参数