时间序列模型的分析江南大学张荷观.ppt

AR(p) 模型阶数 p 的确定 n k n RSS 2 ) ln( AIC(k) ? ? AR(p) 模型阶数 p 通常可由偏自相关系数来选择，也可根据 赤池信息准则 (Akaike information criterion , 简记 AIC ) 来选择， 在假设模型的阶数为 k 时计算 其中 RSS 为残差平方和。 AIC 准则选择 AIC(k) 的最小值所对应的 正整数 k 为 AR(p) 模型的阶数。 (5-21) AR(2) 的自相关系数方程 据 (5-18) 0 2 1 1 2 1 2 0 1 1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? 2 0 1 1 0 2 0 1 2 1 0 1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 2 1 1 2 1 2 1 1 ? ? ? ? ? ? ? ? ? ? ? ? 1 ? 则 得自相关系数方程 2 ? 这个方程组也称为尤勒 — 沃克方程 (yule-walker equation), 通过解 该方程组，可得参数 和 的解。 三、 ARMA 过程 ? ? ? ? ? ? ? ? ? q j j t j p i i t i t y y 0 1 ? ? ? ? 0 , 0 , 1 0 ? ? ? q p ? ? ? 具有如下结构的模型称为自回归移动平均模型，简记为 ARMA (p, q) (5-23) 其中 。显然，当 q = 0 时， ARMA (p, q) 模型成为 AR (p) 模型，而当 p = 0 时， ARMA (p, q) 模型就成 为 MA (q) 模型。所以 , ARMA 模型同时包括自回归模型和移 动平均模型，而 AR (p) 模型和 MA (q) 模型实际上是 ARMA (p, q) 的特例。 ARMA (p, q) 模型的平稳条件 0 ... 1 2 2 1 ? ? ? ? p p L L L ? ? ? 由于 q 阶移动平均过程是平稳的，从而 ARMA (p, q) 的平 稳性完全由自回归部分的平稳性所决定，于是 ARMA (p, q) 模 型的平稳条件是 的根都落在单位圆之外。 ARMA (p, q) 模型的均值 ? ? ? ? ? ? ? ? ? p i i t y E 1 ) ( p ? ? ? ? ? ? ? ? ? ? ? 2 1 1 ? ? ? ? ? ? ? ? ? ? q j j t j p i i t i t y y 0 1 ) ( ? ? ? ? ? 设 ARMA (p, q) 模型满足平稳条件，则均值 即 于是 (5-23) 可转换为 (5-24) ARMA (p, q) 模型的协方差 q k y k t ? ? ? , ) ( ? ) ( ) ( ) ( ) )( ( 0 1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? k t q j j t j k t p i i t i k t t y y y y y q k q j y E k t j t ? ? ? ? ? ? ; , , 2 , 1 , 0 )] ( [ ? ? ? ) ( ) ( ) )( ( 1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? k t p i i t i k t t y y E y y E ? ? ? ? p i i k i k 1 ? ? ? (5-24) 两边同乘 得 根据 AR(p) 模型的基本假定 于是 得 (5-25) 过度参数化 对给定的样本数据，可能会有多个可以选择的模型。在实 际工作中，应尽可能采用较简单的模型，即避免过度参数化。 例如，对于 ARMA(3, 3) 模型，若自回归项和移动平均项有 相同的特征根，则删去后就可以减少模型的参数， ARMA(3, 3) 则简化为 ARMA(2, 2) ，避免了模型过度参数化。 例 1950-1998 年北京市城乡居民定期储蓄所占比例的数据如下 年份 定期比例 年份 定期比例 年份 定期比例 1950 83.5 1967 81.4 1984 80.9 1951 63.1 1968 84.0 1985 80.3 1952 71.0 1969 82.9 1986 81.3 1953 76.3 1970 83.5 1987 81.6 1954 70.5 1971 83.2 1988 83.4 1955 80.5 1972 82.2 1989 88.2 1956 73.6 1973 83.2 1990 89.6 1957 75.2 1974 83.5 1991 90.1 1958 69.1 1975 83.8 1992 88.2 1959 71.4 1976 84.5 1993 8