金融时间序列模型课件 答案潘红宇 教学PPTFINTS第四章线性ARMA模型.ppt

金融时间序列模型 第四章：平稳线性ARMA模型 基本概念 随机过程stochastic process 设T是某个集合，俗称足标集，对任意固定t?T，Yt是随机变量， t?T的全体{ Yt ；t?T }称为T上的随机函数。记为{ Yt } 对每个固定的t，Yt是随机变量。 通常T取为： 1） T=[-?, ?], T=[0, ?] 2) T=…-2,-1,0,1,2,… T=1,2,3,… 基本概念 平稳随机过程 （weakly stationary, covariance stationary ,second order stationary） 如果随机序列二阶矩有界，并且满足以下条件 （1）对任意整数t，E(Yt)= ?，?为常数； （2）对任意整数t和s，自协方差函数?ts仅与t -s有关，同个别时刻t和s无关。即?ts=?t-s=?k 平稳时间序列 几个重要的平稳过程和模型 白噪声过程 MA过程 AR过程 ARMA过程 平稳过程的参数 自协方差和自相关函数 偏自相关函数 白噪声过程white noise process 随机过程满足 1）E(?t)=0 ， 对所有t 2）E(?t2)=?2 对所有t 3）E(?t?s)=0, 对任意t?s，或Cov(?t, ?s)=0 弱白噪声随机过程（Weakly white noise process），简称白噪声。记为{?t}~WN(0, ?2) 白噪声过程 4）不同时刻随机变量是相互独立的随机变量，并且同分布 称为独立白噪声，记为{?t}~I.I.D(0, ?2) 如果再增加一个条件 5）服从正态分布 该过程为高斯白噪声（Gaussian white noise process）。 滑动平均模型Moving Average Model 1-阶滑动平均模型 MA模型 ?和?为参数或系数。 表达式1，是1－阶滑动平均模型，{Yt}是1-阶滑动平均过程。用MA（1）表示 例如Yt=0.1+?t＋0.3 ?t－1 MA(1) 另一种表达方式 本质是一个只包括常数项的回归模型，但残差存在自相关。容易知道MA(1)存在一阶自相关。 q-阶滑动平均模型 定义 q-阶滑动平均过程 称?和?i, i=1,2,…q为参数或系数。 表达式2，是q－阶滑动平均模型，{Yt}是q -阶滑动平均过程。 用MA（q）表示。 注：?q?0 q-阶滑动平均模型和过程 下面是几个MA模型 Yt=0.1+?t＋0.2 ?t－1 ＋0.1 ?t－2 Yt=0.1+?t＋0.3 ?t－1 ＋ 0.21 ?t－2 －0.1 ?t－3 Yt=0.1+?t＋0.3 ?t－4 自回归模型Autoregressive Model ?t=c+?1?t-1+?2?t-2+…+?p?t-p+?t 其中 {?t }是白噪声过程 ?p ?0 表达式3是P-阶自回归模型 {?t }为p-阶自回归过程 ,表示为AR(p) C, ?1,…, ?p是未知参数或系数。 自回归滑动平均混合模型Mixed Autoregressive Moving Average Model ?t=c+?1?t-1 +?2?t-2+…+?p?t-p + ?t + ?1?t -1+…+ ?q?t –q 其中 {?t }是白噪声过程 ?p ?0, ? q ?0 表达式4是P-阶自回归q－阶滑动平均混合模型 {?t }为p-阶自回归q阶滑动平均混合过程 ,表示为ARMA(p,q) C, ?1,…, ?p， ?1，…， ?q是未知参数或系数。 三类模型 参数特征 MA(1)参数特点 均值函数：E（?t）=? 自协方差函数： ?0= (1+?2) ? 2 ?1 =?? 2 ?k= 0, k1 自相关函数：?1=?/(1+?2)，?k=0, k1 MA(q)的参数特点 E（?t）=? ?0=(1+?12+…+? q 2) ? 2 MA过程 例下面是一个MA(2)模型,计算它的自相关函数，并画图 ?t=?t +0.2?t－1＋0.1?t－2 ?1＝（?1＋?2?1）/（1＋?12＋?22）＝（0.2+0.2*0.1）/(1+0.12+0.22)=0.2 ?2＝（?2）/（1＋?12＋?22）＝0.1/(1+0.12+0.22)=0.095 MA过程 ACF图 自回归过程的参数特点 均值函数 E(?t)=?=c/(1-?1-?2 +…-?p) 自协方差函数 ?0=?1?1+?2?2+…+?p?p +?2 ?j =?1?j