第四章 平稳时间序列模型建立.docVIP

第四章 平稳时间序列模型的建立 本章讨论平稳时间序列的建模问题，也就是从观测到的有限样本数据出发，通过模型的识别、模型的定阶、参数估计和诊断校验等步骤，建立起适合的序列模型。学习重点为模型的识别和模型的检验。 第一节 模型识别 识别依据 模型识别主要是依据SACF和SPACF的拖尾性与截尾性来完成。常见的一些ARMA类型的SACF和SPACF的统计特征在下表中列出，可供建模时，进行对照选择。 表 ARIMA过程与其自相关函数偏自相关函数特征 模 型 自相关函数特征 偏自相关函数特征 ARIMA(1,1,1) ( xt = (1( xt-1 + ut + (1ut-1 缓慢地线性衰减 AR（1） xt = (1 xt-1 + ut 若(1 0，平滑地指数衰减 若(1 0，正负交替地指数衰减 若(11 0，k=1时有正峰值然后截尾 若(11 0，k=1时有负峰值然后截尾 MA（1） xt = ut + (1 ut-1 若(1 0，k=1时有正峰值然后截尾 若(1 0，k=1时有负峰值然后截尾 若(1 0，交替式指数衰减 若(1 0，负的平滑式指数衰减 AR（2） xt = (1 xt-1 + (2 xt-2 + ut 指数或正弦衰减 （两个