第五章 时间序列的预报摘要.doc

第5章 时间序列的预报 第 PAGE 34 页 共 NUMPAGES 34 页 第五章 时间序列的预报—摘要 因为 所以对的预报对的预报. §5.1 最佳线性预测的基本性质 1. 最佳线性预测 问题: 设, , 找, 使与最近 一维 二维 定义1.1 设和是均值为零, 方差有限的随机变量, 若有, 使得对, 有 则称是用对的最佳线性预测. 记作 . 预测误差: 预测的均方误差: . 对于均值的情形, 有 定义1.2 若, 并称此式是用对的最佳线性预测. 记, 并总设, 则有(不证) 性质1 若有, 使得, 则 预测为: 且 误差为: . 性质2 若可逆, 则; 性质3 中可不惟一,但惟一; 性质4 (1) 若, 则; (2) 若, 则. 性质5 设是随机变量,是常数. 若 ,则 . 性质6设,. 若 , 则. 性质7 设, 则的充要条件是 . 性质8 若, 则, 并有 . 例1.1 对§3.2的例2.1的ARMA(4,2)模型. 已获14个数据, 预测. 由性质1和2, 视, 且记 则对的最佳线性预测为 预测的均方误差 因为是正态平稳序列, 所以(可以证明) 从而由 , 得置信区间: . 结果略, 图如下: 一般随大, 预测准确度小. 实际问题中, 对获得的个数据; 截取个数据, 预测; (1) 计算;() (2) 计算样本协方差矩阵; (3) 计算 的估计量 . (4) 计算预测系数 (5) 作出预测 (根据定义2) §5.2 非决定性平稳序列及其Wold表示—简介 决定性序列: 若用所有对作线性预测, 则误差为零. 1. 非决定性的平稳序列 设是零均值平稳序列, 记 , 及 误差 定理2.1存在且与无关. 定义2.1 设是零均值平稳序列, (1) 若, 称是决定性平稳序列; (2) 若, 称是非决定性平稳序列, 并称 是一步预测的均方误差. 一般称是决定性平~ 是决定性平~. 例2.1若平稳的退化,则是决定性的. 最简单的决定性平稳序列: 最典型的非决定性平稳序列: 白噪声. 类似定义用预测此后的步的的均方误差 与无关, 并存在. 定义2.2 设是非决定性平稳序列. 若, 则称是纯非决定性的. 对纯非决定性的序列, 作(超)长期预测是不适合的. §5.3 时间序列的递推预测 设为已知, 进行递推预测. 1. 时间序列的递推 设时间序列方差有限,均值为零. 记 , , 令, , , 引入预报误差和方差 , 故 , 一般有: 用与用预测等价. 定理3.1 设零均值时间序列, 若 的协方差矩阵 正定, 则 (1) 一步最佳线性预测表成(类似于正交化过程) , 其中 (+) 另外, 递推次序为 (2) 用预测, 即步预测 设的自协方差阵正定, 仍用记号 和 , 则首先可表示 由“最佳线性预测”的性质4与5, 得 . () 均方误差为 . 其中的系数可用前述公式(+)计算. 2. 正态时间序列的区间预测 设是正态时间序列, 则也是最佳预测, 且 . 故可用 得 3. 平稳序列的递推预测 设零均值平稳序列的和和 , 定理3.1改述如下: ,其中 (++) 由于和正交,不被包含, 故称为样本新息. (注: 此处相当于) §5.4 ARMA(p,q)序列的递推预测 实用中, 资料充分多时认可: 最佳线性预测=最佳预测; 在很多情况下: 白噪声=独立白噪声; 1. AR(p)序列的预测 设稳定模型:, 并设已获得, 则 (1) 用预测. 1) 对, 由本章例1.1得: 预测: :自协方差矩阵, 预测误差: . 2) 对, 直接用下式 . 由此直接得, 当时, 有 (2) 用用预测 通常, 可用归纳法(不证)得: . 由此可得: 例4.1 , 对, 有 … 并有 说明AR(1)是纯非决定性的平稳序列. 事实上任何AR(p,q)序列都是纯非决定性的. 例4.2 某地年平均雨量mm, 若 满足: , 已获, 预测. 解: (1) (2) ; . (3) . 2. MA(q) 序列的预测 设可逆模型:, , 并设已获得截尾的, 则令 , 同前应有: 假设, 则可得 (1) 用预测 预测: (只要q个) 预测误差:,用(++)递推. (2) 用预测,对照(), 预测: 预测误差: ,() 其中可由(++)公式递推. 3. ARMA(p,q)序列的预测 设稳定可逆模型: , 定义(相当于MA模型的数据) , 则与无关了, 且(不证) 其中 是的样本新息, 的自~为, 取, 则可算出 (#) 其中可由第三章的(2.10)和(2.11)计算. 定义的逐步预测误差 则有 归结 预测的均方误差仍,用(#)和(++)算.