平稳时间序列模型预测（ X页）.pptVIP

第七章 平稳时间序列模型预测 时间序列预测 定义：根据时间序列过去时刻的观测值，对序列在未来某个时刻的取值进行估计。 设平稳时间序列{Xt} 是一个ARMA(p,q)过程，即 设当前时刻为t，已知时刻t和以前时刻的观测值xt-1, xt-2, …，对观测值xt+l进行预测，用 表示时间序列Xt的第l步预测值(l0)。 最小均方误差预测 用et(l)衡量预测误差： 显然，预测误差越小，预测精度就越高。 最小均方误差预测原则： 说明 在预测方差最小原则下得到的估计值 是序列值Xt+1在Xt ,Xt-1,…已知的情况下得到的条件无偏最小方差估计值。 预测方差只与预测步长 l 有关，而与预测起始点t无关。 预测步长越大，预测值的方差也越大；因而为了保证预测的精度，时间序列数据通常只合适做短期预测。 AR(p)序列的预测 在AR(p)序列场合有： 预测值 AR(p)序列的预测 预测方差 95％置信区间 ------假设总体服从正态分布 例7.2 已知某超市月销售额近似服从AR(2)模型 (单位：万元/每月) 今年第一季度该超市月销售额分别