第3章1-3.docVIP

第三章 滑动平均模型与自回归滑动平均模型 若平稳序列的自协方差函数 . 则称是步相关的. (或自相关系数) 滑动平均模型: 步相关 基本问题: 模型参数 §3.1 滑动平均模型 例1.1化学试验中197个溶液浓度数据(见附录B8). 做一次差分:. 则, 及: 自相关系数图如右. , 故认 是一步相关的. 用模型MA(1)表示 , 参数由求得: . 1. MA(q)模型和MA(q)序列 定义1.1 MA(q)模型=阶滑动模型: (*) 其中,, , 由此, 平稳称为MA(q)序列. 若, 则称(*)为可逆的MA(q)模型, 相应的平稳序列称为可逆的MA(q)序列. 利用, (*)可写成: 对可逆的MA(q)模型: 从而可得 另外引入, 易得 定理1.1 MA(q)序列的自协方差函数是截尾的 且有谱密度 . 证略. 引理1.2 设, 则有惟一实系数多项 ,. 使得, 这里为某常数.(证超) 定理1.3 设零均值, 自协方差, 则是MA(q)序列. 证 必要性, 由定理1.1给 出. 充分性, 证略. *2. 最小序列 直观上: 零均值平稳序列中每一都重要, 缺一不可, 即 生成空间生成空间. 若某个退化(有部分相关的), 则不是最小序列. *定理1.4(见[7]) 设平稳序列有谱密度, 则是最小序列的. 由此可得: 可逆的MA(q)序列是最小序列. 不可逆的MA(q)序列不是最小序列. 另外 任何AR(q)序列都是最小序列; 任何有谱密度的平稳序列, 若其谱密度连续恒正, 则此序列为最小序列. 3. MA(q)模型举例 例1.2 ,, , 则不难得:; 自相关系数: 谱密度: (注:逆转后 偏相关系数不截尾); 逆转形式 取,谱密度如右 例1.3 可逆MA(2)模型, , 特征多项式: (1) 可逆域 与AR(2)的平稳域对应. (2) 自协方差函数(由公式可得) , , , (3) 自相关系数 ,, (4) 谱密度 . 实例,. 4. 由确定MA(q)系数的递推计算 文[5]给出. , 其中. 若取, 则有 , , 假设已知, 则 (1) 构造; (2) 计算, 取较大的; (3) 计算. 6 12 20 30 40 51 -0.3367 -0.3527 -0.3587 -0.3597 -0.3599 -0.3600 0.7515 0.8234 0.8421 0.8487 0.8497 0.8500 4.5243 4.1292 4.0374 4.0062 4.0014 4.0002 实际是: §3.2 自回归滑动平均(ARMA)模型 1. ARMA(p,q)模型及其平稳解 定义2.1自回归滑动平均模型=ARMA(p,q)模型 (**) 其中, 和 , 其解称为平稳解或ARMA(p,q)序列, 用, 则有 由稳定条件, , 有 而后定义:,故 (+) 是一个平稳解, 其中的称的Wold系数. 由差分理论知: 其中是平稳解; 为的互异根; 重数分别为, 变量,由值 确定. 类似AR(p)讨论, 有 定理2.1 由(+)定义的解是ARIMA(p,d,q)模型惟一平稳解. 因为充分大后, 有 . 产生ARMA(p,q)序列的方法(实际问题1) 1) 取初值; 2) 足够多; 3) 取后面. 基本上就是ARMA(p,q)序列了. 2. ARMA(p,q)序列自协方差函数(实际问题2) 由(+)式, 可得 Wold系数递推: 其中规定. 证 补, 则 . 比两边系数得, , 且由负指数阶, 可得也是以负指数阶趋于零. 3. ARMA(p,q)模型的可识别性 模型参数可识别性, 要求与无公因子. 引理2.2 设是(**)的平稳解. 若又有白噪声和, 使得 则的阶数, 的阶数(不证). 同样应有. 补,记, 在(**)两边乘, 再E 即 从而得到延伸的Yule-Walker方程: 上述矩阵记为, (1) 若可逆, 则可定出 (2) 令是MA(q)序列 它的是后截尾的, 对, 有 写矩阵形式为 其中. 由§3.1知, 可惟一确定出和. 故只要可逆, 与互相确定. 定理2.3(见[6]) 设为ARMA(p,q)序列的自协方差函数列, 则时, 可逆. (证略) 定理2.4 设平稳序列有自协方差函数. 又设使得 (1) ; (2) 则是一个ARMA序列(). 4. ARMA序列的谱密度和可逆性 因ARMA序列的是绝对可和的, 所以有 . 称为有理谱密度. 定义2.2 可逆的ARMA模型, 若 . 可逆的ARMA(p