应用时间序列分析 史代敏 谢小燕 第二章 平稳时间序列模型及其特征.pptVIP

第二章 平稳时间序列模型及其特征 在本章，我们介绍平稳时间序列的三种主要类型的模型，AR模型、MA模型、ARMA模型，这三种模型都是线性模型，它们能用有限的参数刻画时间序列的动态性。尽管线性关系的假定在解决实际问题时是一个比较苛刻的条件，但无疑它是理论研究的基础。这三种模型是最基本的时间序列模型之一，对这三种模型性质的研究有助于研究更为复杂的时间序列模型。 第一节 模型类型及其表示 一、预备知识 AR（p）模型 ： MA（q）模型： ARMA（p，q）模型： 二、自回归模型 一阶自回归模型AR（1） AR（1）模型的特例——随机游动 随机游动模型有以下特征： 1）模型有非常强的一期记忆性。 2）系统的一步超前预测 。 3）与AR（1）模型类似，随机游动模型可以写成 ，可以看出噪声对yt的影响并不随着时间的推移而减弱。  一般自回归模型 三、 移动平均模型 一阶滑动平均模型MA（1） 用MA（1）模型作预测，那么得到的预测值仅仅取决于上期系统的随机扰动项。 q阶滑动平均模型MA（q） 有限个白噪声的和总是平稳的，因此通常MA（q）模型是平稳的。 如果对该模型作向前一步预测，则有 四、自回归移动平均模型 当q=0时，ARMA（p，0）模型就是AR（p）模型，当p=0时，ARMA（0，q）模型就是MA（q）模型，因此自回归模型和移动平均模型都是ARMA（p，q）模型的特例 。 第二节 格林函数和平稳性 一、ARMA（p，q）的格林函数 （一）ARMA（p，0）系统的格林函数 若一个系统被表示为yt= ，则系数 函数称为格林函数或记忆函数。 MA（q）过程格林函数为 ARMA（p，q）的格林函数 例2 求模型 的格林函数 对比等式左右两边有 因此模型的格林函数 二、系统的平稳性 （一）AR(p)系统的平稳性条件 例3 求一阶自回归模型 的平稳域 解： 例4 求二阶自回归模型 的平稳域 解： 特征方程 需满足： 即： (二) ARMA(p,q)系统的平稳性条件 ARMA模型平稳性完全取决于模型中的AR部分，如果模型中的AR部分是平稳的，则ARMA模型是平稳的。 第三节 逆函数和可逆性 一、MA（q）模型的可逆域 逆函数形式: I（B）称为逆函数 例5 判断MA（2） 模型 是否可逆 解：特征方程， 可逆域为： 满足可逆条件，因此可逆。 二、MA（q）模型的逆函数 例6 求模型 的逆函数 解： 三、ARMA（p，q）的可逆域与逆函数 第四节 平稳时间序列的统计特征 一、自相关函数 （二） MA（q）的自相关函数 二、偏相关函数 Yule-Wolker方程： 偏相关函数： 本章小结 1．AR模型、MA模型和ARMA模型是三种基本的线性时间序列模型，能够用有限的参数刻画系统的动态性。这三种模型属于随机差分方程，因此特征方程对研究三类模型的统计特性具有重要意义。 2．AR模型的逆函数表示是指用无限阶的MA模型来表示有限阶的AR模型，格林函数就是无限阶MA模型的系数。AR模型平稳性条件是 的根在单位圆外或者特征方程的根在单位内，满足这个范围的自回归系数区域构成平稳域。 3．将有限阶MA模型表示为无限阶AR模型，就得到MA模型的逆转形式。MA模型具有可逆性的条件是 的根在单位圆外或者特征方程的根在单位内。MA模型的格林函数与AR模型的格林函数在形式上是一致的。 4．ARMA模型的平稳性取决于其中AR部分是否平稳，ARMA模型的可逆性取决于模型中的MA部分是否可逆。 5．AR模型的自相关函数拖尾，偏自相关函数截尾，MA模型的自相关函数截尾，偏自相关函数拖尾，ARMA（p，q）的自相关函数和偏自相关函数都是拖尾的。 应用时间序列分析●”十一五“国家级规划教材 1.差分运算 一阶差分(相距一期的两个序列值之间的减法运算称为1