第三章平稳时间序列分析.docVIP

平稳时间序列分析 一个序列经过预处理被识别为平稳非白噪声序列，那就说明该序列是一个蕴含着相关信息的平稳序列。 3.1 方法性工具 3.1.1 差分运算 p阶差分 记为的1阶差分： 记为的2阶差分： 以此类推：记为的p阶差分： k步差分 记为的k步差分： 3.1.2 延迟算子 定义 延迟算子相当与一个时间指针，当前序列值乘以一个延迟算子，就相当于把当前序列值的时间向过去拨了一个时刻。记B为延迟算子，有 延迟算子的性质： 1. 2.若c为任一常数，有 3.对任意俩个序列{}和{}，有 4. 5. 用延迟算子表示差分运算 1、p阶差分 k步差分 3.2 ARMA模型的性质 3.2.1 AR模型 定义 具有如下结构的模型称为p阶自回归模型，简记为AR(p): (3.4) AR(p)模型有三个限制条件： 条件一：。这个限制条件保证了模型的最高阶数为p。 条件二：。这个限制条件实际上是要求随机干扰序列为零均值白噪声序列。 条件三：。这个限制条件说明当期的随机干扰与过去的序列值无关。 通常把AR(p)模型简记为： (3.5) 当时，自回归模型式(3.4)又称为中心化AR(p)模型。非中心化AR(p)序列可以通过下面变化中心化AR(p)系列。 令 则{}为{}的中心化序列。 AR(p)模型又可以记为： ，其中称为p阶自回归系数多项式 AR模型平稳性判断 P45【例3.1】 考察如下四个AR模型的平稳性： 拟合这四个序列的序列值，并会绘制时序图，发现(1)(3)模型平稳，(2)(4)模型非平稳 特征根判别 任一个中心化AR(p)模型都可以视为一个非齐次线性差分方程。 则其齐次线性方程的特征方程为： 设为齐次线性方程的p个特征根。所以 AR(p)模型平稳的充要条件是它的p个特征根都在单位圆内。 同时等价于：AR模型的自回归系数多项式的根，即的根，都在单位圆外。 证明：设为齐次线性方程的p个特征根，任取，带入特征方程： 把带入中，有 根据这个性质，可以因子分解成：， 于是可以得到非其次线性方程的一个特解： 平稳域判别 使得特征方程的所有特征根都在单位圆内的系数集合 被称为AR(p)模型的平稳域。 AR(1)模型的平稳域 AR(1)模型为：，其特征方程为：，特征根为：。则AR（1）模型平稳的充要条件是,则AR(1)模型的平稳域是 AR(2)模型的平稳域 AR(2)模型为：。其特征方程为：，特征根为：。则AR（2）模型平稳的充要条件是：，从而有： 因此可以导出： 所以 AR(2)模型的平稳域： 【例3.1续】 分别用特征根判别法和平稳域判别法检验如下四个AR模型的平稳性： 其中 模型 特征根判别 平稳域判别 结论 平稳 非平稳 平稳 非平稳 平稳AR模型的统计性质 均值 假如AR(p)满足了平稳性条件，于是 (3.12) 由平稳序列均值为常数