数学建模之第二章平稳时间序列分析.pptVIP

第二章 平稳时间序列分析 本章结构 方法性工具 ARMA模型 平稳序列建模 序列预测 2.1 方法性工具 差分运算 延迟算子 线性差分方程 差分运算 一阶差分 阶差分 步差分 延迟算子 延迟算子类似于一个时间指针，当前序列值乘以一个延迟算子，就相当于把当前序列值的时间向过去拨了一个时刻 记B为延迟算子，有 延迟算子的性质 ，其中 2.2 ARMA模型的性质 AR模型（Auto Regression Model） MA模型（Moving Average Model） ARMA模型（Auto Regression Moving Average model） AR模型的定义 具有如下结构的模型称为 阶自回归模型，简记为 特别当 时，称为中心化 模型 AR(P)序列中心化变换 称 为 的中心化序列 ，令 自回归系数多项式 引进延迟算子，中心化 模型又可以简记为 自回归系数多项式 AR模型平稳性判别 判别原因 AR模型是常用的平稳序列的拟合模型之一，但并非所有的AR模型都是平稳的 判别方法 单位根判别法 平稳域判别法 平稳AR模型的统计性质 均值 方差 协方差 自相关系数 偏自相关系数 均值 如果AR(p)模型满足平稳性条件，则有 根据平稳序列均值为常数，且 为白噪声序列，有 推导出 AR模型自相关系数的性质 拖尾性 呈复指数衰减 例2.5:考察如下AR模型的自相关图 例2.5— 自相关系数按复指数单调收敛到零 例2.5:— 例2.5:— 自相关系数呈现出“伪周期”性 例2.5:— 自相关系数不规则衰减 偏自相关系数 定义 对于平稳AR(p)序列，所谓滞后k偏自相关系数就是指在给定中间k-1个随机变量 的条件下，或者说，在剔除了中间k-1个随机变量的干扰之后， 对 影响的相关度量。用数学语言描述就是 偏自相关系数的计算 滞后k偏自相关系数实际上就等于k阶自回归模型第个k回归系数的值。 偏自相关系数的截尾性 AR(p)模型偏自相关系数P阶截尾 例2.5续:考察如下AR模型的偏自相关图 例2.5— 理论偏自相关系数 样本偏自相关图 例2.5:— 理论偏自相关系数 样本偏自相关图 例2.5:— 理论偏自相关系数 样本偏自相关图 例2.5:— 理论偏自相关系数 样本偏自相关系数图 MA模型的定义 具有如下结构的模型称为 阶自回归模型，简记为 特别当 时，称为中心化 模型 移动平均系数多项式 引进延迟算子，中心化 模型又可以简记为 阶移动平均系数多项式 MA模型的统计性质 常数均值 常数方差 MA模型的统计性质 偏自相关系数拖尾 例2.6:考察如下MA模型的相关性质 MA模型的自相关系数截尾 MA模型的自相关系数截尾 MA模型的偏自相关系数拖尾 MA模型的偏自相关系数拖尾 MA模型的可逆性 MA模型自相关系数的不唯一性 例2.6中不同的MA模型具有完全相同的自相关系数和偏自相关系数 可逆的定义 可逆MA模型定义 若一个MA模型能够表示称为收敛的AR模型形式，那么该MA模型称为可逆MA模型 可逆概念的重要性 一个自相关系数列唯一对应一个可逆MA模型。 可逆MA(1)模型 MA模型的可逆条件 MA(q)模型的可逆条件是： MA(q)模型的特征根都在单位圆内 等价条件是移动平滑系数多项式的根都在单位圆外 ARMA模型的定义 具有如下结构的模型称为自回归移动平均模型，简记为 特别当 时，称为中心化 模型 系数多项式 引进延迟算子，中心化 模型又可以简记为 阶自回归系数多项式 阶移动平均系数多项式 平稳条件与可逆条件 ARMA(p,q)模型的平稳条件 P阶自回归系数多项式 的根都在单位圆外 即ARMA(p,q)模型的平稳性完全由其自回归部分的平稳性决定 ARMA(p,q)模型的可逆条件 q阶移动平均系数多项式 的根都在单位圆外 即ARMA(p,q)模型的可逆性完全由其移动平滑部分的可逆性决定 ARMA(p,q)模型的统计性质 均值 协方差 自相关系数 ARMA模型的相关性 自相关系数拖尾 偏自相关系数拖尾 例2.7:考察ARMA模型的相关性 拟合模型ARMA(1,1): 并直观地考察该模型自相关系数和偏自相关系数的性质。 自相关系数和偏自相关系数拖尾性 样本自相关图 样本偏自相关图 ARM