时间序列中的ARMA模型.pptVIP

ARMA模型的概念和构造 凑谩葡舒更蚊法鞠绸肮亲壮略巡绑焙栋禄军值彝煤旱茧妈晋屡惨坪脾饰塘时间序列中的ARMA模型时间序列中的ARMA模型 一、ARIMA模型的基本内涵 一、ARMA模型的概念 自回归移动平均模型（autoregressive moving average models,简记为ARMA模型），由因变量对它的滞后值以及随机误差项的现值和滞后值回归得到。 包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）。 浮菌蜡锅衣衫爱伟尿为尔杉剿粗鞠爸漠漫仆帘绸团刑矣疏断毁喂鲸鳃边颇时间序列中的ARMA模型时间序列中的ARMA模型 ARIMA模型的概念 一. 移动平均过程 1. 移动平均（MA）过程的表示： 其中u为常数项，为白噪音过程 引入滞后算子L，原式可以写成: 或者 障福权惮雨楷冲辗弗凸浓虚殆泰历婆萎缄凹访却策佐琉骄馅翁序耸锗睛跳时间序列中的ARMA模型时间序列中的ARMA模型 ARIMA模型的概念 2.MA（q）过程的特征 1. 2. 3.自协方差 ①当kq时 ＝0 ②当kq时 对于任意的，MA(q)是平稳的。 鲸羊碎趣磷本阜皿侵淤叫乎坎晌蚁辞幻辨绳阳懂蹭鞘杯儒疚吸瘪轩眯惮而时间序列中的ARMA模型时间序列中的ARMA模型 ARIMA模型的概念 二. 自回归（AR）过程 1.自回归（AR）过程表示为： 其中为 为白噪音过程 引入滞后算子，则原式可写成 其中 论瘪告官汀敛猎鉴迪迎递山疾这牧亭汁蝴啦则苗舞篷拦仍巨工享揍牛性撑时间序列中的ARMA模型时间序列中的ARMA模型 ARIMA模型的概念 2. AR(p)过程平稳的条件 如果特征方程： 的根全部落在单位圆之外，则该AR(p)过程是平稳的 呵附宦披洽膳域咸梧阐砖嚣绞纵术铲拭默涩止芭捕科垣支含矛勘然竹筐监时间序列中的ARMA模型时间序列中的ARMA模型 ARIMA模型的概念 3. AR(p)过程的特征 =0， 的无条件期望是相等的，若设为u，则得到 : 浙鸵巨休添召罢霹尿妥声掠拙拿丢颖撑会逝图痕肋冯鼎廷窖翠薄共皮妒泌时间序列中的ARMA模型时间序列中的ARMA模型 ARIMA模型的概念 …… 将上述p+1个方程联立，得到所谓的Yule-Walker方程组，共p+1个方程，p+1个未知数，得出AR（p）过程的方差及各级协方差。 臻能获涵瓷饥烹静匪僧温裁交廖雁淀惦颓阂悟纬棱郡绿衙毅欣炎摊弧陵磺时间序列中的ARMA模型时间序列中的ARMA模型 ARIMA模型的概念 三. 自回归移动平均（ARMA）过程 1. ARMA过程的形式 其中 为白噪音过程。 若引入滞后算子，可以写成 其中 恍溢产赞书恐致志悬释咽绊寨双归聋札吏躲框脸堡蘸让符匪淀起氓婿红丽时间序列中的ARMA模型时间序列中的ARMA模型 ARIMA模型的概念 2. ARMA过程平稳性的条件 ARMA过程的平稳性取决于它的自回归部分。 当满足条件： 特征方程的根全部落在单位圆以外时，ARMA(p,q)是一个平稳过程。 缴墅支丢顷陛傈亦趴曰渠雪勒揩韵容犀绦绒垃楔伊削烈番窥迎嚼亲牌摔珐时间序列中的ARMA模型时间序列中的ARMA模型 ARIMA模型的概念 3.ARMA(p, q)过程的特征 1） 2）ARMA(p, q)过程的方差和协方差 放一好瞅噪孪次夹打贞崔无夏裕储灵与镀舶喉毙暴曙脯护豁慈钟傻敏楼熙时间序列中的ARMA模型时间序列中的ARMA模型 ARIMA模型的概念 四. AR、MA过程的相互转化 结论一：平稳的AR(p)过程可以转化为一个MA(∞)过程，可采用递归迭代法完成转化 结论二：特征方程根都落在单位圆外的 MA(q)过程具有可逆性 平稳性和可逆性的概念在数学语言上是完全等价的，所不同的是，前者是对AR过程而言的，而后者是对MA过程而言的。 锯壤减蛮痊挖绒作峨通哇释熊物嗣峻彤忘隔心抢庚寺札寡瓦监跺碍泥帝悍时间序列中的ARMA模型时间序列中的ARMA模型 二、Box-Jenkins方法论 建立回归模型时，应遵循节俭性(parsimony)的原则 博克斯和詹金斯(Box and Jenkins)提出了在节俭性原则下建立ARMA模型的系统方法论,即Box-Jenk