第二章节平稳时间序列分析解析资料.ppt

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 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 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 呈负指数衰减 例2.1:考察如下AR模型的自相关图 例2.1— 自相关系数按负指数单调收敛到零 例2.1:— 自相关系数正负相间的衰减 例2.1:— 自相关系数呈现出周期性余弦衰减 例2.1:— 自相关系数不规则衰减 偏自相关系数 定义 对平稳AR(p)序列，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2.1— 理论偏自相关系数 样本偏自相关图 例2.1:— 理论偏自相关系数 样本偏自相关图 例2.1:— 理论偏自相关系数 样本偏自相关图 例2.1:— 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2.2: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 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 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2.3: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 ARMA模型相关性特征 2.3平稳序列建模 建模步骤 模型识别 参数估计 模型检验 模型优化 序列预测 建模步骤 模型识别 基本原则 模型定阶的困难 因为由于样本的随机性，样本的相关系数不会呈现出理论截尾的完美情况，本应截尾的 或 仍会呈现出小值振荡的情况 由于平稳时间序列通常都具有短期相关性，随着延迟阶数 ， 与 都会衰减至零值附近作小值波动 ？当 或 在延迟若干阶之后衰减为小值波动时，什么情况下该看作为相关系数截尾，什么情况下该看作为相关系数在延迟若干阶之后正常衰减到零值附近作拖尾波动呢？ 模型定阶经验方法 如果样本(偏)自相关系数在最初的d阶明显大于两倍标准差范围，而后几乎95％的自相关系数都落在2倍标准差的范围以内，而且通常由非零自相关系数衰减为小值波动的过程非常突然。这时，通常视为(偏)自相关系数截尾。截尾阶数为d。 例2.4 选择合适的模型ARMA拟合1950年——1998年北京市城乡居民定期储蓄比例序列。 序列自相关图 序列偏自相关图 拟合模型识别 自相关图显示延迟3阶之后，自相关系数全部衰减到2倍