时间序列分析课程时间序列分析课程总结.pptVIP

《应用时间序列分析》课程总结 x 1 , x 2 , ? , x t 第一步： 白噪声检验 什么是白噪声？ 预处理 检验序列是否有研究的价值 纯随机 ：序列 “ 无记忆 ” ，各项之间没有相关关系 ? ( k ) ? 0, ? k ? 0 齐方差 ：保证模型拟合精度 D ? X t ? ? ? (0) ? ? 2 x 1 , x 2 , ? , x t 第一步： 白噪声检验 预处理 检验序列是否有研究的价值 原假设： 延迟期数小于或等于 m 期的序列值之间相 互独立 H 0 ： ? 1 ? ? 2 ? ? ? ? m ? 0 , ? m ? 1 备择假设： 延迟期数小于或等于 m 期的序列值之间有 相关性 H 1 ：至少存在某个 ? k ? 0 , ? m ? 1 ， k ? m 检验统计量： Q 统计量 ? ~ ? ( m ) Q ? n ? ? 2 k 2 k ? 1 m LB 统计量 LB ? n ( n ? 2 ) ? ( k ? 1 m ? ? 2 k n ? k ) ~ ? ( m ) 2 x 1 , x 2 , ? , x t 第一步： 白噪声检验 第二步： 平稳性检验 预处理 检验序列是否有研究的价值 ARMA 模型是否适用 伪回归 时序图检验： 观测序列是否具有明显的趋势性或 周期性 自相关图检验： 平稳序列的自相关系数图很快地衰 减到零 单位根检验： DF 检验 ADF 检验 PP 检验 返回 DF 检验 ? 只适用于 一阶自回归 过程的平稳性检验 原假设： 序列非平稳 备择假设： 序列平稳 检验统计量： ? ? ? ? 1 ? 1 ? ) S ( ? 1 H 0 ： ? 1 ? 1 H 1 ： ? 1 ? 1 无漂移项 带漂移项 带趋势 DF 检验是单边检验，不妨设检验临界值是 ? ? ，则 ? ? ? ? 时，拒绝原假设，认为序列平稳 ? 当 ? ? ? ? 时，接受原假设，认为序列非平稳 ? 当 返回 ADF 检验 ? 适用于 p 阶自回归 过程、 方差齐性 场合下的平稳性 检验 原假设： 序列非平稳 备择假设： 序列平稳 检验统计量： H 0 ： ? ? 0 ? H 1 ： ? ? 0 其中： ? ? ? 1 ? ? 2 ? ? ? ? p ? 1 ? ? ? ? ? ) S ( ? ? 第一种类型：无常数，无趋势 ? 第二种类型：有常数，无趋势 ? 第三种类型：有常数，有趋势 返回 PP 检验 ? 可用于 异方差 场合的平稳性检验，且服从相应的 ADF 检验统计量的极限分布 原假设： 序列非平稳 备择假设： 序列平稳 ? 第一种类型：无常数，无趋势 ? 第二种类型：有常数，无趋势 ? 第三种类型：有常数，有趋势 返回 x 1 , x 2 , ? , x t 第一步： 白噪声检验 第二步： 平稳性检验 平 稳 非 白 噪 声 序 列 样 样 本 本 自 偏 相 自 关 相 系 关 数 系 图 数 差分 平稳 残差 分析 模型 识别 参数 估计 N 模型 检验 模 Y 型 优 化 序 列 预 测 next 模型识别 ? k 拖尾 q 阶截尾 拖尾 ? ? kk 选择模型 AR(P) MA(q) ARMA(p,q) P 阶截尾 拖尾 拖尾 返回 模型检验 ? 模型显著性检验 ? 目的：检验模型的有效性（对信息的提取是否充分） ? 检验对象：残差序列 ? 原理：残差序列是否为白噪声（纯随机）序列 ? 参数显著性检验 ? 目的：检验模型结构是否最简 ? 方法：删除不显著参数 疏系数模型 返回 模型优化 ? 指导思想 ? 似然函数值越大越好 ? 未知参数的个数越少越好 ? AIC 准则： 2 AIC ? n ln( ? ? ? ) ? 2 ( 未知参数个数 ) ? SBC 准则： 2 ? ? ) ? ln( n )( 未知参数 ) SBC ? n ln( ? ? AIC 或 SBC 越小，模