精品3-第三章 ARMA模型的时域特性.pptVIP

对MA(1)过程 2、MA(m)过程 1 - - = t t t X qa a 可容易地写出它的自协方差函数： 0 ) 1 ( 3 2 2 1 2 2 0 = = = - = + = L g g qs g s q g a a 于是，MA(1)过程的自相关函数为： * 可见，当k1时，?k=0，即Xt与Xt-k不相关，MA(1)自相关函数是截尾的。 * 其自协方差系数为 一般地，m阶移动平均过程MA(m) 相应的自相关函数为 * 可见，当km时， Xt与Xt-k不相关，即存在截尾现象，因此，当km时， ?k=0是MA(m)的一个特征。 于是：可以根据自相关系数是否从某一点开始一直为0来判断MA(m)模型的阶。 * 二、偏自相关函数 自相关函数ACF(k)给出了Xt与Xt-1的总体相关性，但总体 相关性可能掩盖了变量间完全不同的隐含关系。 例如，在AR(1)随机过程中，Xt与Xt-2间有相关性可能主要是由于它们各自与Xt-1间的相关性带来的: * 即自相关函数中包含了这种所有的“间接”相关。 与之相反，Xt与Xt-k间的偏自相关函数(partial autocorrelation，简记为PACF)则是消除了中间变量Xt-1，…，Xt-k+1 带来的间接相关后的直接相关性，它是在已知序列值Xt-1，…，Xt-