时间序列入门级.ppt 73页

  • 1
  • 0
  • 0
  • 约3.33千字
  • 2019-12-03 发布
文档工具:
    1. 1、本文档共73页,可阅读全部内容。
    2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
    3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
    4. 文档侵权举报电话:19940600175。
    时间序列分析入门 主要内容 确定性时间序列模型 随机时间序列模型及其性质 时间序列模型的估计和预测 一. 确定性时间序列模型 时间序列:各种社会、经济、自然现象的数量指标按照时间次序排列起来的统计数据 时间序列分析模型:解释时间序列自身的变化规律和相互联系的数学表达式 确定性时间序列模型 滑动平均模型 加权滑动平均模型 二次滑动平均模型 指数平滑模型 (1) 滑动平均模型 (2) 加权滑动平均模型 (3) 二次滑动平均模型 (4) 指数平滑模型 二. 随机时间序列模型及其性质 随机时间序列 平稳时间序列 随机时间序列模型 1. 随机时间序列 随机过程与随机序列 时间序列的性质 (1) 随机过程与随机序列 随机序列的现实 对于一个随机序列,一般只能通过记录或统计得到一个它的样本序列x1,x2,···, xn,称它为随机序列{xt}的一个现实 随机序列的现实是一族非随机的普通数列 (2) 时间序列的统计性质(特征量) 均值函数:某个时刻t的性质 时间序列的统计性质 自协方差函数:两个时刻t和s的统计性质 时间序列的统计性质 自相关函数 2. 平稳时间序列 所谓平稳时间序列是指时间序列 {xt, t=0,±1,±2,···} 对任意整数t, ,且满足以下条件: 对任意t,均值恒为常数 对任意整数t和k, r t,t+k只和k有关 随机序列的特征量随时间而变化,称为非平稳序列 平稳序列的特性 方差 自相关函数: 自相关函数的估计 平稳序列的判断 一类特殊的平稳序列 ——白噪声序列 随机序列{xt}对任何xt和xt都不相关,且均值为零,方差为有限常数 正态白噪声序列:白噪声序列,且服从正态分布 3. 随机时间序列模型 自回归模型(AR) 移动平均模型(MA) 自回归—移动平均模型(ARMA) (1) 自回归模型及其性质 定义 平稳条件 自相关函数 偏自相关函数 滞后算子形式 ① 自回归模型的定义 描述序列{xt}某一时刻t和前p个时刻序列值之间的相互关系 随机序列{εt}是白噪声且和前时刻序列xk (k<t )不相关,称为p阶自回归模型,记为AR(p) ② (一阶)自回归序列平稳的条件 AR(1)平稳的条件 均值 方差 AR(1)平稳的条件 自协方差 ③ AR(p)的自相关函数 自协方差函数 自相关函数 AR(p)的自相关函数 例:求AR(1)的自相关函数 例: AR(2)的自相关函数 AR(p) 自相关函数的拖尾性 对AR(p)模型,其自相关函数不能在某一步之后为零(截尾),而是按指数衰减,称其具有拖尾性 举例 ④ 偏自相关函数 ⑤ AR(p)的滞后算子形式 引进滞后算子B: 一般有: (2) 移动平均模型及其性质 定义 自相关函数 滞后算子形式 ① 移动平均模型的定义 在序列{xt}中, xt表示为若干个白噪声的加权平均和 其中{εt}是白噪声序列,这样的模型称为q阶移动平均模型,计为MA(q) ② MA(1) 的自相关函数 MA(q) 的自相关函数 举例 ③ 滞后算子形式 AR(p)与MR(q)的比较 (3) 自回归移动平均模型 定义 性质 滞后算子形式 ① 自回归移动平均模型 自回归模型与移动平均模型的综合 ② ARMA(p,q)的性质 ARMA(p,q)兼有AR (p)和ARMA(q)的性质 平稳条件:与AR (p)相同 ARMA(1,1) 平稳条件 ARMA(1,1)的自相关函数 ARMA(1,1)的自相关函数 ③ 滞后算子形式 性质总结 三. 时间序列模型的估计和预测 模型识别与参数估计 时间序列预测 1.模型识别与参数估计 模型识别 参数估计 阶数的确定 模型检验 (1) 模型识别 自相关函数截尾——MA(q) 自相关函数拖尾 偏自相关函数截尾——AR(p) 偏自相关函数拖尾——ARMA(p,q) (2) 模型参数估计 AR(p)的最小二乘估计 ARMA(p,q)的最小二乘估计 ① AR(p)的最小二乘估计 ② ARMA(p,q)的最小二乘估计 (3) 模型阶数的确定 ——MA(q)或AR(p) 自相关函数的截尾 偏自相关函数的截尾 模型阶数的确定——ARMA(p,q) AIC准则 (Akaike info criterion) (4) 模型的检验 2. 时间序列模型预测 AR(1) 时间序列模型预测 MA(1) 时间序列模型预测 ARMA(1,1) 四.非平稳时间序列与协整 单整 虚假回归 协整 误差修正模型 非平稳时间序列举例 随机游走 随机游走序列的方差无穷大 (1)单整 差分:用变量 的当期值减去其滞后值而得到新序列的方法 单整:若

    文档评论(0)

    • 内容提供方:linyin1994
    • 审核时间:2019-12-03
    • 审核编号:5102304223002204

    相似文档