第三节 arma的特性资料.pptVIP

时间序列分析 时间序列的线性模型 模型的阶数 模型阶数的确定 模型参数的估计 模型的检验 平稳时间序列的预报 非平稳时间序列及其预报 时间序列的线性模型 自回归模型AR(p) 滑动平均模型MA(q) 自回归滑动平均混合模型ARMA(p, q) 一、自回归模型AR(p) 二、滑动平均模型MA(q) 三、自回归滑动平均混合模型ARMA(p, q) * 设{Xt}为零均值的实平稳时间序列，阶数为P的自回归 模型定义为 模型(8.1)简记为AR(p)，它是一个动态模型，是时间序 列{Xt}自身回归的表达式，所以称为自回归模型。满足AR(p) 模型的随机序列称为AR(p)序列，其中 {?k，k=1, 2, ???, p} 称 其中 为自回归系数。从白噪声序列{at}所满足的条件看出， at之间 互不相关，且at与以前的观测值也不相关，因此， {at}也称为 新信息序列，它在时间序列分析的预报理论中有重要意义。 为方便起见，引进延迟算子的概念。令 BXt=Xt?1， B2Xt=B(BXt)=Xt?2. 一般地有BkXt=Xt?k, (k=1, 2, ???)，称B为一步延迟算子，Bk为k 步延迟算子。 于是(5.1)式可表为 ?(B)Xt=at (5.2)