时间序列分析-第二章 自回归模型.ppt

偏相关系数 定义4.1 如果 正定，称 为 或 的n接偏相关系数。 设{Xt}是AR(?）序列。其自协方差函数正定。 由Yule-Walker方程知其n阶Y-W系数为 其偏相关系数满足 称为偏相关系数P步截尾。 反之，如果一个零均值平均列偏相关系数p步截尾，则它必是 AR(?）序列。 偏相关截尾隐含要求自协方差列正定。 下面一个定理告诉我们这个平稳序列一定是AR(?）序列。 定理4.3 零均值平稳序列{Xt}是AR(?）序列的充分必要条件是， 它的偏相关系数 p步截尾。 证明只要证明充分性。记 令 ，只要证明 是白噪声。 最小相位由定理4.1给出。 §5.1 AR(1)序列举例 例 ： 对|a|1, AR(1)模型， 有平稳解 自协方差函数 自相关系数 谱密度 上面是a=0.85和a=-0.85 时80个数据的观测图，从图中我 们可以看到AR(1)表现的特征。 * * * 通解与平稳解的关系 AR(?)的通解{Yt}与平稳解有如下关系 可以用此事实作为模拟产生AR(?)序列的理论基础。 AR序列的模拟 取 迭代得到 取 n0取50即可，但特征根接近单位圆是要取大的n0 AR(p)模拟(AR(4)) §2.3 AR(?)序列的谱密度和Yule-Walker方程 AR(?)序列的谱密度 由线性平稳列的谱密度公式得到平稳解的谱密度 如果A(Z)有靠近单位圆的根 则 会接近于零，造成谱密 度在 处有一个峰值。 即 为复指数衰减。 {Xt}序列前后的相关减少很快，称为时间序列的短记忆性。 自协方差函数 因为AR(?)的平稳解为 由线性平稳性质知道{Xt}为零均值，自协方差函数为 谱密度的自协方差函数 谱函数的定义是满足 是非负可积函数。 利用公式计算 定理3.1 如果平稳序列{Xt}的自协方差函数{?k}绝对可和： 则 {Xt}有谱函数 （3.4） 由于谱函数是实值函数，所以（3.4）还可以写成 推论3.2 AR(?）的平稳解序列{Xt}有谱密度 Yule-Walker方程 对n≥p,把 的递推时写成矩阵形式的 定义{Xt}的自协方差矩阵 在上式中两边同时乘上Xt-1后取得数学期望，利用Xt与未来输入的不相关性有 对 有 于是可以写成AR(?）序列的自协方差函数Yule-Walker 方程 定理3.3（ Yule-Walker方程） AR(?）序列的自协方差函数满足 自协方差函数的周期性 对k0,定义 推论3.4 AR(?）序列的自协方差函数 满足和AR(?）模型 相应的差分方程 证明： 例子：AR(4）模型1 周期为2?/(?/3)=6和2?/(2?/3)=3 AR(4）模型2 AR(4）模型3 AR(4)模型1的谱密度 AR(4)模型1、2、3的谱密度 自协方差函数的正定性 AR(?）平稳解唯一故自协方差函数自回归系数和白噪声唯一决定。 反之，若 正定，则根据Yule-Walker方程可以从 解出AR(?）模型的自回归系数和白噪声的方差 其中 许多自协方差矩阵是正定的，特别AR(?）序列的自协方差矩阵总是正定的。 定理3.5 设 是平稳序列{Xt}的n阶自协方差矩阵， 。 （1）如果{Xt}的谱密度 存在，则对 正定； (2) 如果 ，则对 正定。 证明：（1）对 至多有n-1个零点。 ，于是 推论3.6 线性平稳序列的自协方差