11.第十一章_时间序列分析.pptVIP

例7 一、循环变动及其测定目的 二、循环变动的测定方法 （一）直接法 （二）剩余法 循环变动分析 循环变动分析-意义 循环变动分析—形式 直接法 剩余法 操作步骤 用移动平均法，得到TC的估计，由Y/TC,得到仅含季节变动的序列，计算季节指数 对原序列建立趋势方程，得趋势项T的估计值 原始序列Y/TS得CI的数据 对CI进行移动平均得到C的估计 注：剔除趋势求季节指数，如果没有特别要求就先采用移动平均法求其趋势，然后求季指 回总目录 回本章目录 平稳时间序列概述 平稳时间序列定义 常见时间序列模型 严平稳 回总目录 回本章目录 平稳时间序列 所谓平稳时间序列，指如果序列 二阶矩有限 , 且满足如下条件： 对任意整数 为常数； 对任意整数 自协方差函数 仅与时间间隔 有关，和起止时刻 无关。即 则称序列 为宽平稳（或协方差平稳，二阶矩平稳）序列 当 时，自协方差函数就是方差 回总目录 回本章目录 平稳序列 图形上来看就是： (1)序列围绕常数的长期均值波动，称为是均值回复(Meaning Reversion) (2)在每一时刻，方差对均值的偏离基本相同，波动程度大致相等。 回总目录 回本章目录 最简单的宽平稳序列是白噪声，常记为 ， 它是构成其他序列的基石，一般白噪声的定义如下： 对任意 对任意 对不同的时刻 自回归模型（AR：Auto-regressive）； 滑动平均模型（MA：Moving-Average）； 自回归滑动平均模型（ARMA：Auto-regressive Moving-Average）。 回总目录 回本章目录 常见时间序列模型 P阶自回归模型AR(P)模型 回总目录 回本章目录 其中 称为自回归系数， 为白噪声序列 上式称为是p阶自回归模型，简记为AR(p) 当 满足一定条件时，序列是平稳的 零均值时间序列 满足如下形式 q阶滑动平均模型MA(q)模型 回总目录 回本章目录 其中 称为滑动平均系数， 为白噪声序列 上式称为是q阶滑动平均模型，简记为MA(q) 当阶数q有限时，序列是平稳的 零均值时间序列 满足如下形式 自回归滑动平均模型(ARMA)模型 回总目录 回本章目录 其中 称为自回归系数， 称为滑动平均系数， 为白噪声序列 上式称为是p阶自回归模型－q阶滑动平均模型，简记为AMMA(p,q). 当p=0, AMMA(p,q)－－MA(q) 一般ARMA模型的数学形式为 当 满足一定条件时，序列是平稳的.从以上定义中可以看出,AR模型和MA模型即为ARMA模型的特例 当q=0, AMMA(p,q)－－MA(p) 回总目录 回本章目录 ARMA模型的识别 相关函数定阶法 信息准则定阶法 严平稳 回总目录 回本章目录 相关函数定阶法 采用ARMA模型对现有的数据进行建模，首要的问题是确定模型的阶数，即相应的p,q的值，对于ARMA模型的识别主要是通过序列的自相关函数以及偏自相关函数进行的。 序列的自相关函数度量了 与 之间的线性相关程度，用 表示，定义如下 其中 表示序列的方差 回总目录 回本章目录 自相关函数刻画的是与之间的线性相关程度，而有时候 与 之间之所以存在相关关系，可能是因为和分别与它们的中间部分 之间存在关系，如果在给定 的前提下，对 和 之间的条件相关关系进行刻画，则要通过偏自相关函数 进行，所谓偏自相关函数的可由下面的递推公式得到： 回总目录 回本章目录 对于三类模型AR, MA, ARMA，它们各自的自相关函数以及偏自相关函数特点如下表所示（具体推导可参阅相关时间序列分析书籍） 这里的拖尾指模型自相关函数或偏自相关函数随着时滞的增加呈现指数衰减并趋于零，而截尾则是指模型的自相关函数或偏自相关函数在某步之后全部为零。序列的自相关函数和偏自相关函数所呈现出的这些性质可用于模型的识别 回总目录 回本章目录 回总目录 回本章目录 实际中我们所接触到的往往是来自序列的一组样本，我们所计算的也只能是样本的偏自相关函数或样本自相关函数，分别记为 和 . 样本自相关函数最常用的估计方法如下（关于样本偏自相关函数 在后面给出） 回总目录 回本章目录 (1)相关函数，偏自相关函数定阶法 (2)最优信息准则定阶法AIC准则 模型参数的定阶 ARMA模型的定阶，参