第五章节平稳时间序列模型的性质资料.ppt

第四章 时间序列模型的性质 3.1 自回归过程的特征 第五章 平稳时间序列模型的性质 第一节 自回归过程的性质 第二节 移动平均过程的性质 第三节 自回归移动平均过程的性质 第一节 自回归过程的性质 一、一阶自回归过程AR(1)的性质 二、二阶自回归过程AR(2)的性质 三、p阶自回归过程AR(p)的性质 一、一阶自回归过程AR(1)的性质 一阶自回归模型的形式为： 1、平稳性和可逆性 2.ar(1)过程的自相关函数 3.AR(1)过程的偏自相关函数（PACF） 另一种思路： 根据定义：偏自相关函数是指扣除Xt和Xt-k之间的随机变量Xt-1,Xt-2, …Xt-k-1等影响之后的Xt和Xt-k之间的相关性。 对于p阶自回归过程，当s≤p时，xt与xt-s有直接的相关性；而sp时，两者没有直接的相关性。 因此，对于AR(p)过程，在模型的滞后阶数以内，通常有非零的偏自相关系数；但在滞后阶数以外，偏自相关系数则为零。 4.AR(1)过程的传递形式和格林函数 二、二阶自回归AR(2)过程的性质 1、平稳性和可逆性 2.AR(2)过程的自相关函数 3.AR(2)过程的偏自相关函数 另一种思路：直接根据定义 4.AR(2)过程的传递形式和格林函数 （1）传递形式 （2）格林函数 三、p阶自回归过程AR(p)的性质 2.AR(p)的自相关函数ACF 3.AR(p)过程的偏自相关函数PACF 4.AR(p)模型的传递形式和格林函数 (1)传递形式 (2)格林函数 例:考察如下AR模型的自相关和偏自相关 一、一阶移动平均过程MA(1)的性质 一阶移动平均模型MA(1)的形式为： 1.MA(1)过程的平稳性和可逆性 A.平稳性：AR(1)过程总是平稳的。 B.可逆性： 为满足可逆性，θ(B)=1－θ1B=0 的根必须在单位圆外，即有： 2.MA(1)过程的自相关函数ACF 3.MA(1)过程的自相关函数PACF 另一种证明思路： 对于移动平均过程MA(q)，其偏自相关函数会是什么样的呢？ 为了考察yt与yt-k是否直接相关，可将MA模型转换成AR模型； 事实上，只要MA(q)过程是可逆的，它就可以表示成AR(∞)。 4.MA(1)过程的逆转形式 2.MA(2)过程的自相关函数ACF 2.MA(2)过程的偏自相关函数(PACF) 4.MA(2)过程的逆转形式 三、q阶移动平均过程MA(q)性质 1.平稳性和可逆性 A.平稳性：有限阶移动平均过程MA(q)总是平稳的。 B.可逆性：为满足可逆性， 2.MA(q)过程的自相关函数(ACF) 3.MA(q)过程的偏自相关函数（PACF） 要用明确的公式表示出MA(q)过程的自相关函数是很困难的，但是从前面我们对MA(1)、MA(2)的讨论中，可以看出：MA(q)过程的偏自相关函数是由 例: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模型可逆性 MA模型自相关系数的不唯一性 例中不同的MA模型具有完全相同的自相关系数和偏自相关系数 第三节 自回归移动平均ARMA(p,q)过程 一、 ARMA(1,1)的性质 二、ARMA(p,q)过程的性质 一、ARMA(1,1)的性质 1.ARMA(1,1)过程的平稳性和可逆性 2.ARMA(1,1)过程的ACF 通过上式可以看出，ARMA(1,1)过程的自相关函数具有AR(1)过程和MA(1)过程的组合特性。 当k=1时，自相关系数有一峰值，并且是由φ1和θ1共同决定，。 当k≥2时，自相关系数仅取决于φ1即自回归部分对应的差分方程的根，呈指数衰减。 3.ARMA(1,1)过程的PACF ARMA(1,1)过程的PACF和它的ACF一样，也是滞后一阶有一峰值，一阶以后呈指数衰减，不过指数衰减的形态由φ1和θ1共同决定，因此指数衰减的形态比MA(1)过程PACF指数衰减形式更多 4.ARMA(1,1)过程的传递形式和逆转形式 （1）传递形式和格林函数： xt=φ-1(B)θ(B)at （2）逆转形式和逆函数 θ-1(B) φ (B) xt =at 二、ARMA(p,q)过程的性质 1.ARMA(p,q)的平稳性和可逆性 2.ARMA(p,q)过程的ACF 3.ARMA(p,q)过程的PACF 附：非中心化时间序列模型的均值 AR(P)模型的均值 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 MA(q)模型的均值 常数均值 ARMA(p,q)模型的均值 第四节 ARMA 模型的性质总结 因而： MA(q)过程的自相关函数是滞后 q阶截尾的。 的根确定