本时间序列分析第5章新版.pptVIP

时间序列分析 第五章 平稳时间序列预测 1. 当ARMA系统渐进稳定时 此时，所有特征根的绝对值均小于1，随着j趋于无穷，预测值随着超前步数l 的增大，将趋于零。 2. 当ARMA系统边界稳定时 所有特征根中至少有一个的绝对值为1，而其它的绝对值均小于1，预测值随着超前步数l 的增大，将趋于常数。 3. 当ARMA系统不稳定时 至少有一个特征根的绝对值比1大，预测值随着超前步数l 的增大，将趋于无穷大。 在Eviews中的一些术语： （1） Root Mean Squared Error：均方根误差RMSE （2）Mean Absolute Error：平均绝对误差MAE （3） Mean Absolute Percentage Error：平均相对误差MAPE （4）Theil Inequality Coefficient：Theil不等系数 （5） Bias Proportion：偏差比例 （6） Variance Proportion：方差比例 （7） Covariance Proportion：协方差比例 五、预测的稳定性 预测的稳定性： 随预测超前期l的增大，预测值的变化趋势 因为对ARMA(n,m)模型，当l m时，有： 对Gj，当j m时，有： 上两式的差分方程形式完全相同，所以有相同的变化趋势。 即预测值与Gj有相同的变化趋势，与原系统的稳定性相同。 例：对下面模型，判断预测值的趋势 （1） （2） （3） （4） （5） 第三节 适时修正预测 一、原理与方法： 1. 原理： 在t时刻利用Xt，Xt-1，Xt-2，Xt-3，……对Xt+1， Xt+2， Xt+3， ……进行预测，当获得新信息Xt+1时，应利用获得的新信息及时修正原来对Xt+2，Xt+3， ……的预测值。 2. 方法： 适时修正预测： 二、应用 例：接上例，若X251＝3.0，对前面的预测值进行修正。 解：（1）计算一步预测误差at+1＝a251： （2）计算格林函数： （3）对原先的两步和三步预测值进行修正： 例：对前面例1，已知Xt+1=－0.5，求预测值的修正值。 模型： 原预测值： * * 第五章 平稳时间序列预测 * 本章共分四节： ※第一节 正交投影预测（几何预测法） ※第二节 条件期望预测 ※第三节 适时修正预测 ※第四节 指数平滑预测－ARMA模型特例 第一节 正交投影预测 （几何预测法）最小均方误差预测 ※ 预测的一般原则和方法：使实际值与预测值之间的偏差尽可能地小(最小均方差预测) ※ 预测：点预测和区间预测 ：以时间t为原点、提前期为l的预测值 ※ 一、预测的有关问题 ※ 预测的方法有： 最小均方误差预测和条件期望预测 ※ 预测的三种形式： 差分方程预测、传递形式预测、逆转形式预测 二、最小均方差预测： 1. 均方误差： 预测误差的平方的期望，简称均方误或均方差。 2. 预测原理： 使 达到最小 一般来说，考虑用比较简单的X历史观测值的线性 函数来表述t+l时刻的预测值。 3. 预测（几何角度/代数角度）： 用模型的传递形式预测： 设 由上式达到最小，可得： L步线性最小方差预测的格林函数形式。 预测误差： 预测误差的方差： 预测式： 即有： 三、需要注意的问题 1. 预测误差的方差只与 l 有关，与预测原点 t 无关。它随 l 的增大而增大，l 越大预测的准确性越差。 2. 预测式为无穷项，但可用有限项近似。 条件：平稳。 是指数衰减的。 3. 格林函数可以递推计算，at的值可根据ARMA模型递推算出。 初始值可取为0。 例5.1：已知观测值Xt、Xt-1、Xt-2…，利用模型的传递形式写出Xt的一期预测值、一期预测误差和一期预测误差的方差。 例5.2：对ARMA(2,2)模型，已知at的初值a1=a2=0，利用递推式求其他at。 例5.3：已知Xt适合模型 Xt、Xt-1、Xt-2、Xt-3分别为0.6，2.5，2，-1，且at-2＝0，利用模型的传递形式求其预测值。 解： （1）判断模型的平稳性： 模型是平稳的 （2）计算格林函数Gj： 预测式： （3）计算at-j： at-2＝0，at-1＝0.4，at＝-0.28 （4）计算预测值： 第一节内容简单回顾： 1. 最小均方差预测 使 达到最小 2. 传递形式的最小均方差预测 预测误差： 预测误差的方差： 预测式： 3. 需要注意的问题 （1） 预测误差的方差只与l 有关，与预测原点t无关。它随l 的