青岛大学经济学院经济预测与决策课件第7章 时间序列预测法.pptVIP

AR(1)模型 AR(2)模型 （2）AR(p)的偏相关函数 可知偏相关函数具有“截尾”状 。 2．MA(q)模型 （1）MA(q) 自相关函数 （2）MA(q) 偏相关函数 由于任何一个可逆的MA过程都可以转化为一个无限阶的系数按几何递减的AR过程，所以MA过程的偏自相关函数同AR模型一样呈缓慢衰减特征。 3．ARMA(p,q)模型 根据AR、MA模型可知ARMA模型的自相关函数和偏自相关函数也是无限延长的，其过程也是呈缓慢衰减，是拖尾的。 三个基本模型的相关性特征 根据相关性特征，可利用自相关函数与偏自相关函数的截尾性来识别模型类型。并利用偏相关函数PartialACF，确定AR模型的滞后阶数；利用自相关函数ACF，确定MA模型的滞后阶数。 拖尾 拖尾 ARMA(p,q) 拖尾 q阶截尾 MA(q) p阶截尾 拖尾 AR(p) 偏自相关函数 自相关函数 模型 7.5.3 ARMA模型参数估计 1、AR(p)模型参数矩估计 Yule-Walker方程 利用实际时间序列数据，首先求得自相关函数 的估计值 ，代入Yule-Walker方程组，求得模型参数的估计值， 2、MA(q)模型参数估计 利用实际时间序列数据，求得自协方差函数 的估计值 求得模型参数的估计值 。 3、ARMA(p,q)模型的参数估计 先求得自相关函数 的估计值 ，