平稳时间序列预测法资料.pptVIP

7 平稳时间序列预测法 7.1 概述 7.2 时间序列的自相关分析 7.3 单位根检验和协整检验 7.4 ARMA模型的建模 7.1 概 述 如果时间序列 满足 则称时间序列 服从q阶移动平均模型。 或者记为 。 平稳条件：任何条件下都平稳。 7.3 单位根检验和协整检验 7.4 ARMA模型的建模 MA(q)模型参数估计 特例： 一阶移动平均模型MA(1)： 二阶移动平均模型MA(2)： 回总目录 回本章目录 ARMA(p,q)模型的参数估计 由于模型结构的复杂性，比较困难，有几种 方法可以进行。一般利用统计分析软件包完成。 回总目录 回本章目录 （2）精估计 ARMA(p,q)模型参数的精估计，一般 采用极大似然估计，由于模型结构的复 杂性，无法直接给出参数的极大似然估 计，只能通过迭代方法来完成，这时， 迭代初值常常利用初估计得到的值。 回总目录 回本章目录 三、ARMA(p,q)序列预报 设平稳时间序列 是一个ARMA(p,q) 过程，则其最小二乘预测为： AR(p)模型预测 回总目录 回本章目录 ARMA(p,q)模型预测 其中： 回总目录 回本章目录 预测误差 预测误差为： 步线性最小方差预测的方差和预测步长 有关, 而与预测的时间原点t无关。预测步长越大，预测误差的方差也越大，因而预测的准确度就会降低。所以,一般不能用ARMA(p,q)作为长期预测模型。 回总目录 回本章目录 预测的置信区间 预测的95%置信区间： 回总目录 回本章目录 * 回总目录 时间序列 取自某一个随机过程，则称： 一、平稳时间序列 过程是平稳的——随机过程的随机特征不随时间变化而变化 过程是非平稳的——随机过程的随机特征随时间变化而变化 回总目录 回本章目录 宽平稳时间序列的定义： 设时间序列 ，对于任意的t,k和m，满足： 则称 宽平稳。 回总目录 回本章目录 Box-Jenkins方法是一种理论较为完善的统计预测方法。 他们的工作为实际工作者提供了对时间序列进行分析、 预测，以及对ARMA模型识别、估计和诊断的系统方 法。使ARMA模型的建立有了一套完整、正规、结构 化的建模方法，并且具有统计上的完善性和牢固的理 论基础。 ARMA模型是描述平稳随机序列的最常用的一种模型； 回总目录 回本章目录 ARMA模型三种基本形式： 自回归模型（AR：Auto-regressive）； 移动平均模型（MA：Moving-Average）； 混合模型（ARMA：Auto-regressive Moving-Average）。 回总目录 回本章目录 如果时间序列 满足 其中 是独立同分布的随机变量序列,且满足： 则称时间序列 服从p阶自回归模型。 二、自回归模型 回总目录 回本章目录 自回归模型的平稳条件： 滞后算子多项式 的根均在单位圆外，即 的根大于1。 回总目录 回本章目录 三、移动平均模型MA(q) 回总目录 回本章目录 四、ARMA(p,q)模型 如果时间序列 满足： 则称时间序列 服从(p,q)阶自回归移动 平均模型。 或者记为： 回总目录 回本章目录 q=0，模型即为AR(p)； p=0，模型即为MA(q)。 ARMA(p,q)模型特殊情况： 回总目录 回本章目录 例题分析 设 ，其中A与B 为两个独立的零均值随机变量，方差为1； 为一常数。 试证明： 宽平稳。 回总目录 回本章目录 证明： 均值为0， 只与t-s有关，所以宽平稳。 回总目录 回本章目录 7.2 时间序列的自相关分析 自相关分析法是进行时间序列分析的有效方 法，它简单易行, 较为直观，根据绘制的自 相关分析图和偏自相关分析图，我们可以初 步地识别平稳序列的模型类型和模型阶数。 利用自相关分析法可以测定时间序列的随机性 和平稳性，以及时间序列的季节性。 一、自相关分析 回总目录 回本章目录 （1）自相关函数的定义 滞后期为k的自协方差函数为： 则自相关函数为： 其中 回总目录 回本章目录 当序列平稳时，自相关函数可写为： （2）样本自相关函数 其中 回总目录 回本章目录 样本自相关函数可以说明不同时期的数 据之间的相关程度，其取值