第12章时间序列模型.pptVIP

信息系 刘康泽 第12章 时间序列模型 主要内容 第一节 基本概念 第二节 自回归过程 第三节 移动平均过程 第四节 自回归移动平均过程 例如线性回归模型中的随机误差项u1，u2，…，un可以看着是随机过程…， u-1，u0， u1， …，ut ， …的一个样本。 如果随机过程ut的分布不随时间的改变而变化，并且 随机过程：依赖于参数时间t的随机变量集合{yt} 称为随机过程。 称这一随机过程ut为白噪音（White noise）。 第一节 基本概念 平稳随机过程：如果随机过程yt满足 只依赖于yt和yt+k之间的时期数k，而与t无关。 平稳随机过程举例 自相关函数：对于随机过程 {yt} ， yt和yt+k之间的自相关函数为 如果yt为平稳随机过程 但是在实际计算时，只能计算样本自相关函数 样本自相关函数举例 第二节 自回归过程（AR） 前面我们讨论过自回归模型 如果时间序列yt有 其中为ut白噪音，称上式为p阶自回归过程AR(p)。 白噪音 一 自回归过程的平稳条件 1 一阶自回归过程 只有当 时， 这表明 只与k有关。因此从上述分析得知当 时，一阶自回归过程为平稳过程。 对于p阶自回归过程，也有类似的结论。 2 p阶自回归过程 一阶自回归过程AR(1)的自相关函数为 二 自回归过程的自相关函数 对于p阶自回归过程AR(p) ，由于 当k=0时， 用 除[1]的左右两边得 当自回归阶数p已知，可直接用OLS法估计参数 三 自回归过程的估计 1 自回归阶数p已知 如果自回归阶数p未知，最关键的就是确定p，可根据自相关图和偏相关图来确定。 将p求出后，就可以直接利用OLS法估计参数。下面介绍偏相关系数检验法。 当样本的容量n很大时，样本偏相关系数近似地服从均值为零，方差为1/n的正态分布。因此偏相关系数检验法的步骤为： 2 自回归阶数p未知 检验方法： 步骤1：计算出置信区间 ； 步骤2：计算出各阶样本偏相关系数 （可以由偏相关函数图得到）； 步骤3：考察 是否落在此区间内。如果 落在区间外，则说明 是显著的（即 ）；否则 是不显著的（即 ）。 【注】上述置信区间是在置信度为95%下取得的。 第三节 移动平均过程（MA） 一 移动平均过程 如果y的模型描述为 白噪音 yt为两个白噪音的加权和，称上述过程为一阶移动平均过程MA(1)。 更一般地 称为q阶移动平均过程MA(q)。 二 移动平均阶数的确定 1 自相关函数 对于一阶移动平均过程MA(1) 由于ut为白噪音 因此自相关函数 对于q阶移动平均过程MA(q) 我们利用自相关函数图来确定q，样本自相关系数为 当样本的容量n很大时，可以证明 近似服从均值为0，方差为1/n的正态分布。 2 移动平均阶数q的确定 检验方法： 步骤1：计算出置信区间 ； 步骤2：计算出各阶样本自相关系数 （可以由自相关函数图得到）； 步骤3：考察 是否落在此区间内。如果 落在区间外，则说明 是显著的（即 ）；否则 是不显著的（即 ）。 【注】上述置信区间是在置信度为95%下取得的。 二 移动平均模型的估计 对于q阶移动平均过程MA(q) 直接利用自回归函数 将上式中 的用其估计值 代替，通过解方程求出参数 的估计值。 第四节 自回归移动平均过程（ARMA） 如果平稳随机过程既具