时间序列分析(张能福)第三章.docxVIP

第一节线性差分方程一、后移算子B定义为三、齐次方程解的计算1、 AR(n)过程白相关函数ACF1阶白回归模型AR(1) Xt= Xt-1+ at 的 k阶滞后白协方差为：Xt= 1Xt-1+ 2Xt-2 + at 该模型的方差0以 及滞后1期与2期的白协方差1, 2分别为一般地，n阶白回归模型 AR(n) Xt= 1Xt-1+ 2Xt-2 + , nXt-n + at 其中：zi 是 AR(n)特征 方程(z)=0的特征根，由AR(n)平稳的条件知，|zi|1; 因此，当 zi均为实数根时，k呈几何型衰减(单调或振荡)；当存在虚数根时， 则一对共扼复根构成通解中的一个阻尼正弦波项， k呈正弦波衰减。 对MA(1)过程其白协方差系数为二、偏白相关函数从Xt中去掉Xt-1 的影响，贝U只剩下随机扰动项 at，显然它与Xt-2无关，因此我们 说Xt与Xt-2的偏白相关系数为零，记为 MA(1)过程可以等价地写 成at关于无穷序列Xt , Xt-1 ,,的线性组合的形式： 与MA(1)相 仿，可以验证 MA(m)过程的偏白相关函数是非截尾但趋于零的。 ARMA(n,m)的白相关函数，可以看作 MA(m)的白相关函数和 AR(n) 的白相关函数的混合物。当n=0时，它具有截尾性质；当 m=0时， 它具有拖尾性质；当n、m都不为0时，它具有拖尾性质从识别上看， 通常：ARMA(n , m)过程的偏白相关函数(PACF)可能在n阶滞后 前有几项明显的尖柱(spikes )，但从n阶滞后项开始逐渐趋向于零； 而它的白相关函数(ACF)则是在m阶滞后前有几项明显的尖柱，从 m阶滞后项开始逐渐趋向于零。对 k=1 , 2, 3,,依次求解方程，得 上述,,序列为 AR模型的偏白相关函数。偏白相关性是条件相关， 是在给定的条件下，和的条件相关。换名话说，偏白相关函数是对和 所解释的相关的度量。之间未被由最小二乘原理易得，是作为关于线 性回归的回归系数。如果白回归过程的阶数为n,则对于kn应该有 kk=0。L + + + = - - 2 2 1 t t t t X X X q q a 或 t t t t X X X a q q + - - - = - - L 2 2 1 这是一个AR()过程，它的偏白 相关函数非截尾但却趋于零，因此 MA(1)的偏白相关函数是非截尾 但却趋于零的。注意：上式只有当| |1 时才有意义，否则意味着 距Xt越远的X值，对Xt的影响越大，显然不符合常理。因此，我 们把 | |1 称为 MA(1)的可逆性条件(invertibility condition ) 或可逆域。MA(m)模型的识别规则：若随机序列的白相关函数截尾， 即白m以后，k=0 (km )；而它的偏白相关函数是拖尾的，则此序 列是移动平均 MA(m)序列。同样需要注意的是：在实际识别时，由 于样本白相关函数rk是总体白相关函数k的一个估计，由于样本的 随机性，当km时，rk不会全为0,而是在0的上下波动。但可以 证明，当km时，rk服从如下渐近正态分布：rk~N(0,1/n) 式中n 表示样本容量。因此，如果计算的rk满足：我们就有95.5%的把握 判断原时间序列在m之后截尾。ARMA(n,m)过程*，从而前面的MA(m) 模型、AR(n)模型和ARMA(n,m)模型可分别表示为：其中：后移算 子的性质：二、线性差分方程差分方程的通解为：可写成这里这里， C (t)是齐次方程通解，I(t) 是特解。假定 G1 , G2 , , , Gn是 互不相同，则在时刻t的通解：其中Ai为常数(可由初始条件确定)。 无重根考虑齐次差分方程重根设有 d个相等的根，可验证通解为对一 般情形，因此，齐次方程解是由衰减指数项、多项式、衰减正弦项， 以及这些函数的组合混合生成的齐次方程解便是请看例题定义：设 以及这些函数的组合混合生成的 齐次方程解便是请看例题定义：设 零均值平稳序列第二节格林函数 (Green s function) 和平稳性 (Stationarity) 一、格林函数(Green s function) 能够表示为则 称上式为平稳序列的传递形式，式中的加权系数称为格林( Green ) 函数，其中格林函数的含义：格林函数是描述系统记忆扰动程度的函 数。(1)式可以记为其中式(1)表明具有传递形式的平稳序列可以 由现在时刻以前的白噪声通过系统的作用而生成，是 j个单位时 间以前加入系统的干扰项对现实响应的权，亦即系统对的“记忆” 。 二、AR (1)系统的格林函数由AR (1)模型即：贝U AR(1)模型的 格林函数例：下面是参数分别为 0.9、0.1和-0.9的AR (1)系统 对扰动的记忆情况。(演示试验)比较前后三个不同参数的图，可以 看出：取正值