第二章 时间序列的预处理.ppt

例2.3自相关图 2.2 纯随机性检验 纯随机序列的定义 纯随机性的性质 纯随机性检验 纯随机序列的定义 纯随机序列也称为白噪声序列，它满足如下两条性质 标准正态白噪声序列时序图 白噪声序列的性质 纯随机性 各序列值之间没有任何相关关系，即为 “没有记忆”的序列 方差齐性 根据马尔可夫定理，只有方差齐性假定成立时，用最小二乘法得到的未知参数估计值才是准确的、有效的 纯随机性检验 检验原理 假设条件 检验统计量 判别原则 Barlett定理 如果一个时间序列是纯随机的，得到一个观察期数为 的观察序列，那么该序列的延迟非零期的样本自相关系数将近似服从均值为零，方差为序列观察期数倒数的正态分布 假设条件 原假设：延迟期数小于或等于 期的序列值之间相互独立 备择假设：延迟期数小于或等于 期的序列值之间有相关性 检验统计量 Q统计量 LB统计量 判别原则 拒绝原假设 当检验统计量大于 分位点，或该统计量的P值小于 时，则可以以 的置信水平拒绝原假设，认为该序列为非白噪声序列 接受原假设 当检验统计量小于 分位点，或该统计量的P值大于 时，则认为在 的置信水平下无法拒绝原假设，即不能显著拒绝序列为纯随机序列的假定 例2.4：标准正态白噪声序列纯随机性检验 样本自相关图 检验结果 延迟 统计量检验 统计量值 P值 延迟6期 2.36 0.8838 延迟12期 5.35 0.9454 由于P值显著大于显著性水平 ，所以该序列不能拒绝纯随机的原假设。 例2.5 对1950年——1998年北京市城乡居民定期储蓄所占比例序列的平稳性与纯随机性进行检验 例2.5时序图 例2.5自相关图 例2.5白噪声检验结果 延迟阶数 LB统计量检验 LB检验统计量的值 P值 6 75.46 0.0001 12 82.57 0.0001 * * 第二章 时间序列的预处理 时间序列 无规律可寻 分析结束 （随机性分析） 随机性变化即由许多不确定因素引起的序列变化。 它所使用的分析方法就是我们要讲的时间序列分析。 平稳性 检验 平稳 时间序列 非平稳 时间序列 纯随机性 检验 白噪声序列 （纯随机序列） 确定性分析 随机性分析 平稳非白噪声序列 ARMA 模型 趋势变化分析 周期变化分析 循环变化分析 ARIMA 模型 总括： 本章结构 平稳性检验 纯随机性检验 2.1平稳性检验 特征统计量 平稳时间序列的定义 平稳时间序列的统计性质 平稳时间序列的意义 平稳性的检验 概率分布 概率分布的意义 随机变量族的统计特性完全由它们的联合分布函数或联合密度函数决定 时间序列概率分布族的定义 (1)一维分布函数:随机序列中每个随机变量的分布函数. F1(x) ,F2(x) ,…, Ft-1(x) , Ft(x) (2)二维分布函数:随机序列中任意两个随机变量的联合分布函数 Fi,j(xi,xj).i,j=…,-2,-1,0,1,2,… 时间序列概率分布族的定义 实际应用的局限性 特征统计量 （1）均值函数 对时间序列中的任一随机变量取期望。 当t取遍所有可能整数时，就形成了离散时间的函数ut称ut 为时间序列的均值函数。 （2）方差函数 （3）自协方差函数 （4）自相关函数： 平稳时间序列的定义 严平稳 严平稳是一种条件比较苛刻的平稳性定义，它认为只有当序列所有的统计性质都不会随着时间的推移而发生变化时，该序列才能被认为平稳。 宽平稳 宽平稳是使用序列的特征统计量来定义的一种平稳性。它认为序列的统计性质主要由它的低阶矩决定，所以只要保证序列低阶矩平稳（二阶），就能保证序列的主要性质近似稳定。 平稳时间序列的统计定义 满足如下条件的序列称为严平稳序列 从而确定了所有统计性质都不会随着时间的推移而改变。 满足如下条件的序列称为宽平稳序（也称为弱平稳或二阶平稳） 含义： a有穷二阶矩意味着期望和自协方差存在； b平稳时间序列任意时刻所对应的随机变量的均值相等； c自协方差函数只与时间间隔有关，而与时间起点无关。 1）均值E(Xt)=?是与时间t 无关的常数； 2）方差Var(Xt)=?2是与时间t 无关的常数； 3）协方差Cov(Xt,Xt+k)=?k 是只与时期间隔k有关，与时间t （起始点 ）无关的常数； 或 严平稳与宽平稳的区别和联系 一般关系 严平稳条件比宽平稳条件苛刻，通常情况下，严平稳（低阶矩存在）能推出宽平稳成立，而宽平稳序列不能反推严平稳成立 特例 不存在低阶矩的严平稳序列不满足宽平稳条件