时间序列分析方法第0章预测.docxVIP

第四章 预 测 在本章当中我们讨论预测的一般概念和方法，然后分析利用 ARMA( p,q) 模型进行预测 的问题。 § 4.1 预期原理 利用各种条件对某个变量下一个时点或者时间阶段内取值的判断是预测的重要情形。 为 此，需要了解如何确定预测值和度量预测的精度。 4.1.1 基于条件预期的预测 假设我们可以观察到一组随机变量 X t 的样本值，然后利用这些数据预测随机变量 Yt 1 的值。特别地，一个最为简单的情形就是利用 Yt 的前 m 个样本值预测 Yt 1 ，此时 X t 可以描 述为： 假设 Y* 表示根据 X t 对于 Y 做出的预测。那么如何度量预测效果呢？通常情况下， t 1| t t 1 我们利用损失函数来度量预测效果的优劣。 假设预测值与真实值之间的偏离作为损失， 则简 单的二次损失函数可以表示为 (该度量也称为预测的均方误差 )： 定理 4.1 使得预测均方误差达到最小的预测是给定 X t 时，对 Yt 1 的条件数学期望， 即： 证明：假设基于 X t 对 Yt 1 的任意预测值为： 则此预测的均方误差为： 对上式均方误差进行分解，可以得到： 其中交叉项的数学期望为 (利用数学期望的叠代法则 )： 因此均方误差为： 为了使得均方误差达到最小，则有： 此时最优预测的均方误差为： MSE(Y* ) E[Y E (Y | X )] 2 End