[理学]c第三章平稳时间序列模型的特性.ppt

应用时间序列分析 第三章 ARMA模型的特性 求解n阶齐次差分方程就是在给定输出时间序列n个初始条件 首先设 例3.1 例3： 二、AR(1)系统的格林函数 依次推下去，并代入(3.1.4)式，可得到： 2.AR(1)模型的后移算子表达式及格林函数 3.格林函数的意义 三、根据格林函数形成系统响应(时间序列) 各个扰动对系统后继行为的作用描述在图3.1(b)~(g)中。 2.根据 3.1系统参数对系统响应的影响 四、AR(1)系统的平稳性 2.AR(1)系统的平稳性条件 五、格林函数与Wold分解 六、ARMA(2，1)系统的格林函数 将上式变形得 2.ARMA(n,n-1)系统的格林函数的隐式 3.ARMA(2，1)系统的格林函数的显式 例如， 4．AR(2)和ARMA(1，1)系统的格林函数 5.ARMA(n,n-1)系统的格林函数 七、ARMA(2，1)系统的平稳性 2.用自回归系数表示的平稳性条件： 3.ARMA(2，m)系统的平稳区域 第二节 逆函数和可逆性 AR(1)模型和MA(1)模型的逆函数 2.MA(1)模型的逆函数： 第三节 自协方差函数 2. 理论依据 二、理论自相关函数和样本自相关函数 2. 样本自相关函数 3．格林函数与自协方差函数之间的关系 （2）MA(1)模型的自协方差函数 4.偏自相关函数 偏自相关函数的计算：原则上求偏自相关函数 此递推公式是很有用的: 例:求AR(1)模型 平稳性条件的几何图，即平稳区域如图3.5所示。 (1)当 时,平稳区域为1，2，3。 (2)当 时,平稳区域为4，5，6。 (3)当 时，平稳区域为1，4。 (4)当 时,平稳区域为2，3，5，6。 用过去的 的一个线性组合来逼近系统现在时刻的行为。 我们把这种表达形式称为 的“逆转形式”。其中的系数函数 称为逆函数。可见它是一个无穷阶的自回归模型。 一个过程是否具有逆转形式，也就是说逆函数是否存在 的性质，通常称为过程是否具有可逆性，如果一个过程可以 用一个无限阶的自回归模型逼近，即逆函数存在，我们就称 该过程具有可逆性，也就是可逆的，否则，就是不可逆的。 1.AR(1)模型的逆函数 由上面的分析，AR (n)模型本身就是一个逆转形式，并且 故AR(1)模型和AR(2)模型的逆转形式分别为 和 显然， 对于MA(1)模型： ,由于 由 可得 模型的逆转形式为 一、自协方差函数客观地描述了系统响应的分布特征 1. 直观解释 若前k期的行为对现在时刻行为有一定的影响作用，则 与 可能是相关的而不是无关的，其作用程度具体表现为相关 程度的高低；相关程度高，影响作用大，反之亦然。若某一 时刻的值对其k期以后的值没有影响作用，则在数值上应该表 现为毫无关系，即不相关的。可见，系统的动态性完全可用 自相关函数来刻化。 可以用 的线性组合表出，而 则 是一个正态过程，此时 是一个严平稳正态过程，因而它的概率特性完全由自协 方差函数来描述，显然 也是一个正态过程，它的特性也 完全取决于自协方差函数。 对于ARMA系统来说，设 为零均值序列，则自协方差函数 自相关函数 样本自相关函数有 （1）AR（1）模型的自协方差函数 AR(1)自相关函数为 ，即 其中 AR(n)序列的自协方差函数和自相关函数是拖尾的，这是 AR(n)序列的重要特征。 MA(n)模型为 由白噪声序列 的定义知，当 时，有 MA(n)序列的充分必要条件是其自协方差函数和自相关函数 是n步截尾的，这是MA(n)序列的本质特征。 对于 考察由 对 即选择系数 作最小线性方差估计， ，使得 达到极小值，则称系数 为偏自相关函数。 可见，偏自相关系数就是使残差的方差达到极小的 阶自回 归模型（AR(k)模型）的第 项系数。 方程组 可以解线性 的最后一个方程，但是对于较为复杂的模型计算非常麻烦，所 以通常采用如下的偏自相关函数的递推公式来实现 * * 在ARMA模型的动态形式下，影响系统的扰动 被“牢 记”一定时期，从而影响系统的后继行为。正是系统的这种动 态性，引起了时间数列中的依存关系，从而决定了时间序列 中的依存关系不能用普通回归模型描述，只能用ARMA模型。 本章将较深入地分析ARMA模型的特性，为进一步识别模型、 估计参数、解释模型以及预测提供必要的理论基础。 第一节