时间序列模型的定常分配.pdf

時間序列模型的定常分配 郭美惠 這篇文章最主要是想要介紹時間序列模 型是如何應用隨機過程的方法來證明定常分 在此x 代表觀測值;ε 代表隨機誤差; n n 配的存在性。 在第一個段落, 我們將簡略介紹 a , . . . , a 及b , . . . , b 是這個模型的參數。 1 p 1 q 時間序列模型的發展。 在第二個段落, 主要是 然而在這大 自然 中到處可見非線性的 討論時間序列模型的定常分配。 第三個段落 現象, 例如在時間序列中常見的極限周期 則是介紹如何應用馬可夫鏈的方法來證明定 (Lim- it Cycles); 隨機參數等等。 上面介 常分配的存在性。 紹的線性 自迴歸移動平均模型卻無法解釋這 些非線性的現象。 因此為了補充線性模型的 時間序列模型的發展 不足及解釋非線性的現象, 人們漸漸的著重 何謂時間序列? 凡是一組資料是隨著時 於非線性時間序列模型的研究。 最早較有系 間的先後順序而取得的, 就可稱為是一 時 統從事非線性時間序 列模型的研究, 可以追溯到 間序列的資料。 最常見的例子, 譬如: 某段時 Wiener (1958)。 他提出所謂的 Volterra 無 間內所記錄的每日股票市場; 每年太陽黑子 窮級數展式: 的平均數目等等。 為了可以解釋時間序列的 ∞ ∞ ∞ 隨機性及不可預測性, 一般都是將時間序列 Xt = gu Ut−u + guv Ut−u Ut−v 視為一個隨機過程的實現值 (realization)。 u=o u=0 v=0 ∞ ∞ ∞ 取得了一 時間序列之後, 下一步即是尋找 + guvw Ut−u Ut−v Ut−w u=0 v=0 w=0 一個較能適切解釋這 序列特性的模型, 更 + . . . 。 進一步希望能應用這個模型來預測這 序列 未來的值。 起初最常為人們使用的模型是下 x 代表觀測值,U 代表隨機誤差,g ,g ,. . .代 列的線性 自迴歸移動平均模型: n n u uv 表模型的參數。