平稳时间序列预测法.docVIP

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 回总目录 7.1 概 述 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 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。 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，其取值范围在-1到 1之间，值越接近于1，说明时间序列的 自相关程度越高。 回总目录 回本章目录 （3）样本的偏自相关函数 是给定了 的条件下， 与滞后k期时间序列之间的条件相关。 定义表示如下： 其中， 回总目录 回本章目录 ?时间序列的随机性，是指时间序列各项之间没有相关关系的特征。使用自相关分析图判断时间序列的随机性，一般给出如下准则： 若时间序列的自相关函数基本上都落入  置信区间，则该时间序列具有随机性； 若较多自相关函数落在置信区间之外，  则认为该时间序列不具有随机性。 回总目录 回本章目录 判断时间序列是否平稳，是一项很重要的工作。运用自相关分析图判定时间序列平稳性的准则是： 若时间序列的自相关函数在k3时都落入置 信区间，且逐渐趋于零，则该时间序列具有平稳性； 若时间序列的自相关函数更多地落在置信区 间外面，则该时间序列就不具有平稳性。 回总目录 回本章目录 二、ARMA模型的自相关分析 AR(p)模型的偏自相关函数是以p步截尾的，自 相关函数拖尾； MA(q)模型的自相关函数具有q步截尾性，偏 自相关函数拖尾； （可用以上两个性质来识别AR和MA模型的阶数） ARMA(p,q)模型的自相关函数和偏相关函