第7章节季节性时间序列剖析方法”.pptVIP

第四章 平稳时间序列模型的建立 海军航空工程学院基础部数学教研室 第七章 季节性时间序列分析方法 第四章 平稳时间序列模型的建立 海军航空工程学院基础部数学教研室 第一节 简单随机时序模型 一、季节时间序列 定义 在一个时间序列中，若经过S个时间间隔后呈现出相似性，就说该序列具有以S为周期的周期特性。具有周期特性的序列就称为季节性序列。S为周期长度，一个周期内所包含的时间点称为周期点。 有的时间序列可能同时含有长度不同的若干周期。通常根据周期长度及其作用程度称之为主周期、谐波、次谐波等。 对于季节性时间序列通常按周期进行重新排列，得到一个以周期点为行、以周期为列的二维表（见P182表7.1和表7.2）。这样做不仅有助于加深理解序列的周期特性，而且有助于形成建模思想和理解季节模型的结构。 二、随机季节模型 在确定性时序分析中，常用的处理方法是对季节时间序列的季节分量拟合一个三角函数模型或求一个固定的季节指数。随机季节模型，是对季节性随机序列中不同周期之间相关关系的拟合。 如周期为12个月的月份资料，就是研究不同年份的同一个月份的观察值之间的记忆性。 记，则 一阶自回归季节模型 ，或 还原为序列，有 一阶移动平均季节模型 ，或 还原为序列，有 一般的季节性ARMA模型 或 其中 et内容与性质： (1) 是原序列消除了不同周期的同一周期点之间相关部分（即季节分量）之后的剩余序列。 (2) 不一定相互独立。这是因为同一周期的不同周期点之间也可能有一定的相关关系。因此季节性模型有一定的不足，在一定程度上讲，它是一个不完备的模型。 第二节 乘积季节模型 一、乘积季节模型的一般形式 在随机季节模型 (7.1.6) 中，由于不是独立的，因此不妨假设适合一个ARIMA(n,d,m)：， (7.2.1) 这里为白噪声序列。在（7.1.6）式两端同乘以，得 (7.2.2) 根据（7.2.1）式，即有 (7.2.3) (7.2.3) 在（7.2.3）中，仅表示同一周期内不同周期点的相关关系；而则描述不同周期的同一周期点上的相关关系。二者结合起来便同时刻画了两个因素的作用。另一方面，从（7.2.3）式结构形式上看，它是随机性季节模型与ARIMA模型的结合式，故称为乘积季节模型，其阶数用来表示。 将（7.2.3）式展开，则可得到一般的ARIMA模型。例如对于阶数为的乘积季节模型 ， 展开得 。 上式是一个阶的ARIMA模型，且系数中有许多为零，即。可见，尽管模型的阶数很高，但除了外，其他系数均为零，而且，所以实际上只有两个自由参数。故乘积季节模型也称为疏系数模型。 ARIMA模型是乘积季节模型的一个特例。 二、常用的随机季节模型 1. (7.2.5) 模型由两个模型组合而成。 (1) (7.2.5a) 只考虑不同年份同月的资料之间的相关关系。 (2) (7.2.5b) 刻画同年不同月的资料之间的相关关系。 这种模型最早用于国际航运资料，故也称为Airline模型，是一个应用最广的季节模型。 2. (7.2.6) 模型由两个模型组合而成。 (1) (7.2.6a) 只考虑不同年份同月的资料之间的相关关系。 (2) (7.2.6b) 表示同年不同月之间几乎不存在依赖关系，但受前一期扰动的影响。即时间序列资料消除了季节因素之后适合于一个MA(1)模型。 更一般的是模型（7.2.5）和（7.2.6）中的周期长度12可以用S替代。 3. 4. 5. 6. 7. 8. 第三节 季节时序模型的建立 积型季节模型的识别、定阶、参数估计及适应性检验，基本上也是以随机序列的样本自相关、偏自相关函数为依据的。 一、季节性MA模型的自相关函数 季节性MA模型：假定某一季节性时间序列的季节性，即各周期点之间的相关性表示为：, (7.3.1) 而又适合一个MA(1)模型： , (7.3.2) 则得到一个周期为S的季节性MA(1)模型，即模型 (7.3.3) (7.3.3) 将（7.3.3）式展开，可得 (7.3.4) 当时，有 (7.3.5) （7.3.5）式是一个MA(13)模型，其自相关系数计算为 可见，实际上是模型（7.3.2）的一阶自相关系数，而则是模型（7.3