时间序列分析和建模简介.docVIP

第五章 时间序列分析与建模简介 时间序列建模（ Modelling via time series ）。时间序列分析与建模是数理统计的重要分支，其主要学术贡献人是Box 和 Jenkins。本章扼要介绍吴宪民和 Pandit的工作，仅要求一般了解当前时间序列分析与建模的一些主要结果。参考书：“时间序列及系统分析与应用（美）吴宪民，机械工业出版社（1988）TP13/66。 引言 根据对系统观测得出的按照时间顺序排列的数据，通过曲线拟合和参数估计或者谱分析，建立数学模型的理论与方法，理论基础是数理统计。有时域和频域两类建模方法，这里概括介绍时域方法，即基于曲线拟合与参数估计（如最小二乘法）的方法。常用于经济系统建模（如市场预测、经济规划）、气象与水文预报、环境与地震信号处理和天文等学科的信号处理等等。 §5 —1 ARMA模型分析 一、模型类 把具有相关性的观测数据组成的时间序列{ xk }视为以正态同分布白噪声序列{ ak }为输入的动态系统的输出。用差分模型 ARMA (n,m) 为 ? (z-1) xk = ?(z-1) ak 式（5-1-1） 其中：? (z-1) = 1- ?1 z-1-…- ?n z-n ? (z-1) = 1- ?1 z-1-…- ?m z-m 离散传函 式（5-1-2） 为与参考书符号一致，以下用B表示时间后移算子 即： B xk = xk-1 B即z-1，B2即z-2… ? (B)=0的根为系统的极点，若全部落在单位园内则系统稳定；?(B)=0的根为系统的零点，若全部在单位园内则系统逆稳定。 二、关于格林函数和时间序列的稳定性 1．格林函数Gi 格林函数Gi 用以把xt 表示成at 及at 既往值的线性组合。 式（5-1-3） GI 可以由下式用长除法求得： 例1．AR(1): xt - ?1x t-1 = a t 即： Gj = ?1j （显示） 例2．ARMA (1,1): xt - ?1x t-1 = a t - ?1a t G0= 1 ; Gj = (?1- ?1) ?1j-1 ,j ? 1 （显示） 例3．ARMA (2,1) (1 - ?1B - ?2 B2)x t = (a t - ?1 B ) a t 得出：G0= 1 G1 = ?0G0- ?1 G2 = ?1G1+ ?2G0 . . . . . Gj = ?1Gj-1+ ?2Gj-2 （j ? 2） Gj 为满足方程 (1 - ?1B - ?2 B2) Gj= 0 的解，称为隐式表达式。该结论可推广到ARMA(n,m) 模型。 2．格林函数与系统稳定性 当j ? ? 时：Gj ? 有界，则系统稳定；Gj ? 衰减，则系统渐进稳定；Gj 发散，则系统不稳定。 例： AR(1): Gj = ?1j 当 ?? ? 1时，Gj ? 衰减，渐进稳定； 当 ?? ?= 1时，Gj = ?1j = 1，有界，则系统稳定； 当 ?? ? 1时，Gj 发散，不稳定。 例： ARMA (2,1) ?1 和 ?2和为特征方程的根，有?1 + ?2 = ?1 和 ?1 ?2 = ?2 当 ??1 ? 1 且 ??2 ? 1 时，ARMA (2,1) 渐进稳定；当 ??1 ?= 1 且 ??2 ? 1 或??1 ? 1 且 ??2 ?= 1时，ARMA (2,1) 稳定； 当 ??1 ?= ??2 ?且 或?1 = ?2（两根同号）时，不稳定。由此得出ARMA (2, ×) 的稳定域如下图所示。 ARMA (2,m) 的稳定域 三、逆函数与逆稳定性 逆函数I j 表示x t的既往值对当前值的影响，与格林函数G j 表示既往的a t值对x t的影响正相反。 定义： 即： 或：a t = ( 1- I 1 B- I 2 B2- …) x t at 格林函数 xt xt 逆函数 at 系统逆稳定的条件是 ?(B) 的根 ?? ? 1 （落在单位园内）。合理的模型不仅要求是稳定的，也要求是逆稳定的，因为如果?? ? 1，即意味着过时愈久的xt 的老数据对xt 的现在值影响愈大，这显然是不合理的。 5. 自协方差函数与偏自相关函数及其截尾性(略) §5 —2 时间序列建模及其应用 一、关于吴宪民 an