一族新的非线性ARMA模型的平稳性与可逆性.docxVIP

一族新的非线性ARMA模型的平稳性与可逆性 3 第一章 绪 论 §1．1背景知识 为丰富和发展时间序列模型，在过去的几十年中，基于线性自回归滑动平均(ARMA)模型，人们提出了许多新的模型，并对它们的概率性质进行讨论．总体上，这些模型可以划分为参数模型与非参数模型两类．研究的时间序列模型概率性质主要包括：模型的严平稳遍历性，宽平稳性及矩结构，以及可逆性等．严平稳遍历性，用于讨论模型解的存在性，以及解是否唯一；宽平稳及矩结构，可用于模型识别；可逆性则用于预测． 早期，人们较多从事参数模型的研究，提出了许多经典的参数模型．如，门限时间序列模型，包括1983年Tong[1】提出的门限自回归(TAR)模型，1992年BrockweU，Liu和Tweedie【¨】研究的门限自回归滑动平均(TARMA)模型，2005年Ling和Tong[3】讨论的门限滑动平均(TMA)模型等；双线性时间序列模型，1978年由Granger和Anderson【4】提出，1981年Subba Rao 15]进行了进一步讨论；另外，在1981年Haggan和Ozaki 16]提出了指数自回归(EXPAR)模型等等． 关于上述模型的概率性质，Chen和Tsay 17]，Liu，Li和Li Is]，Ling，Tong和Li凹等人逐渐完善对门限ARMA模型概率性质的讨论；Bhaskara，Subba Rao和Walkr【m，Liu【11】，Pham和Tran 112]，Terdik【131，Liu和Brockwell 114]，Wang和Wei 115]等人进一步讨论广义BL模型． 近年来，随着计算机技术的飞速发展，模型拟合与数据预测中庞大的迭代计算问题得到了解决．于是，人们的研究重心转移到非参数模型上来． 1993 年Chen和Tsay提出变系数自回归(FAR)模型，2003年Fan，Yao和Cai E16] 提出自适应函数系数自回归(AFAR)模型，2008年Wang i17]提出非线性自回归变系数滑动平均(ARFMA)模型等等． 在对非参数模型概率性质的讨论中， An和Chen【1 81，An和Huang【1 91，Cline和Pu[20，21]，Liebscher【22】等人针对提出的不同的模型，深入研究了平稳、遍历、可逆等概率性质． 一族新的非线性ARMA模型的平稳性与可逆性 4 然而，对时间序列模型的研究大多都局限于参数非线性ARMA模型，与非参数AR型模型．2005年，Ling与Tong【3】提出：即使在线性时间序列模型中，MA型模型也比AR型模型来得重要．因此，我们更倾向于研究非参数MA型模型，与更一般的非参数ARMA模型． §1．2文章结构 本文将讨论一族新的非线性时间序列模型，其一般形式如下： q (1．2，1) 其中，0t)是期望为零、方差盯2有限的独立同分布(i．i．d．)的随机变量序列， 已知的正整数P，q，r是模型的阶数，91(·)， ，鲰(·)是r维可测的函数．我们称模型(1．2。1)为自回归非参数滑动平均模型，记作ARNMA(p，q，r)模型。 显然，ARNMA(p，q，r)模型是线性ARMA模型[23】的推广，它允许滑动 平均项的系数通过某种函数关系而依赖于因变量；同时，ARNMA(p，q，r)模型 也是状态相依模型[24J的一种特殊情况． ARNMA(p，q，r)模型是一类既具备广泛性又具备良好概率结构的非线性模 型．对m=l， ，q，当鲕(·)取不同函数形式时，ARNMA(p，q，r)模型可转变 许多不同的时间序列模型．特别地，当 鲕(五一m一1， ，xt—m—r)=6加+∑‰托一m咱 模型(1．2．1)就是双线性(BL)模型【4，51；当 gm(Xt—m—l， ，j，t—m—r)=9m(Xt—m—d)， 其中正整数d是给定的延迟，则模型(1．2．1)成为非线性自回归变系数滑动平均(ARFMA)模型(17】；当am三0， gm(五一m一1， ，五一。一，)=bmll(xt—dc)+bm2I(xt—d 2 c)， 其中，正整数dq，I(-)为示性函数，模型(1．2．1)即门限滑动平均(TMA)模 型【3】． 一族新的非线性ARMA模型的平稳性与可逆性 5 本文将对ARNMA(p，q，r)模型(1．2．1)的概率性质进行讨论． 首先，在第二章给出时间序列模型相关的定义，及概率结构基本理论． 第三章对ARNMA(p，q，r)模型(1．2．1)的概率性质进行分析：第一节讨论ARNMA(p，q，r)模型因果、遍历的(严)平稳解的存在性与唯一性；第二节讨论ARNMA(p，q，r)模型的矩结构，导出可用于模型识别的Yule-Walker方程；第三节分别给出ARNMA(p，q，r)模型在均方意义下可逆，及ARNMA(p，1，r)几乎必然可逆的