第5章+ARMA模型.pptVIP

4.模型的预测实例 第5章 ARMA模型应用 一、ARMA模型概述 二、随机时间序列的特征分析 三、模型的识别与建立 四、模型的预测 五、随机时间序列模型的检验 一、ARMA模型概述 ARMA模型是一种常用的随机性时间序列模型，由BoX、Jenkins创立，亦称为B-J方法，它是一种精度较高的短期预测方法。 ARMA模型包括：自回归模型AR(p)、移动平均模型MA(q)、自回归移动平均模型ARMA(p,q)。 随机过程概念及其数字特征 例：将一个物体的长度进行多次精密测量，可以得到一串数(单位：mm)： 74.52 74.54 74.49 如果再进行另一批测量，又得到另一串数： 74.53 74.51 74.50 进行一系列测量所得到的各串数一般是不同的，这是由于测量的各种随机因素引起了随机误差。 第一批测量的第一个值74.52，第二次测量的第一个值74.53等等，可以看着某随机变量X1所取的值；一般，对于每批测量的第i个值，可以看着随机变量Xi所取的值。X1,X2,…,Xn,…称为随机序列。 74.52 74.54 74.49,…称为随机序列的现实。 我们知道，要刻画一个随机变量的统计特征，主要有均值、方差等。要刻画随机过程