非平稳时间序列的随机分析.pptxVIP

第四章 非平稳序列的随机分析;4.1 时间序列的分解;4.1.1、Wold分解定理（1938）;确定性序列与随机序列的定义;确定性序列：若 即说明序列随着时间的发展有很强的规律性。 随机序列：若 即说明序列随着时间的发展随机性很强，预测效果很差，此时称 是随机序列。;例如：ARMA模型分解;4.1.2、Cramer分解定理（1961）;对Cramer分解定理的理解：;4.2 差分运算;4.2.1、差分运算的实质;差分方法是一种非常简便、有效的确定性信息提取方法（Box和Jenkins）。;Cramer分解定理在理论上保证了适当阶数的差分一定可以充分提取确定性信息。 离散序列的d阶差分就相当于连续变量的d阶求导， 在上述分解下， d阶差分就可充分提取时序中的确定性信息。; 展开1阶差分，有 1阶差分实质上就是一个自回归过程，它是用延迟一期的历史数据 作为自变量来解释当期序列值的变动状况，差分序列 度量的是1阶自回归过程中产生的随机误差的大小。 差分运算的实质是使用自回归的方式提取确定性信息 ;4.2.2 差分方式的选择; 【例4.1】1964年——1999年中国纱年产量序列蕴含着一个近似线性的递增趋势。对该序列进行一阶差分运算 考察差分运算对该序列线性趋势信息的提取作用 ;差分前后时序图;2）序列蕴含着曲线趋势;差分后序列时序图;3）蕴含着固定周期的序列;差分后序列时序图;思考：如果把每一时刻的观察值与上年同期相应的观察值相减，是否能将原序列的周期性变化消除？（或实现平稳化），在经济上，就是考查与前期相比的净增值，用数学语言来描述就是定义季节差分算子。?定义：季节差分可以表示为;4.3.3、过差分 ;过差分实质上是因为过多次的差分导致有效信息的无谓浪费而降低了估计的精度。;4.3 ARIMA模型;4.3.1、ARIMA模型结构;;ARIMA 模型族;随机游走模型( random walk);2、ARIMA模型的平稳性; 自回归系数多项式的根为特征根的倒数，所以ARIMA(p,d,q)模型共有p+d个特征根，其中p个在单位圆内，d个在单位圆上。 所以当 时ARIMA(p,d,q)模型非平稳。 ;3、ARIMA模型的方差齐性;回顾：Cramer分解定理（1961）;离散序列的d阶差分就相当于连续变量的d阶求导， 在上述分解下， d阶差分就可充分提取时序中的确定 性信息。 注意：防止出现过差分。 ;ARIMA模型结构;ARIMA模型建模步骤;例4.6;时序图和一阶差分序列时序图;;Box.test(chafen, type=Ljung-Box,lag=6) data: chafen X-squared = 15.3304, df = 6, p-value = 0.01784 arima(chafen, order = c(0,0,1),method=ML) arima(x = chafen, order = c(0, 0, 1), method = ML) Coefficients: ma1 intercept 0.6710 4.9947 s.e. 0.1648 2.0139 sigma^2 estimated as 53.42: log likelihood = -122.99, aic = 251.97 ;;;4、ARIMA模型预测;预测值：线性最小方差预测原则;例4.7;（1）计算预测值;计算预测误差;计算置信区间;例4.6续：对中国农业实际国民收入指数序列做为期10年的预测 ;9、春去春又回，新桃换旧符。在那桃花盛开的地方，在这醉人芬芳的季节，愿你生活像春天一样阳光，心情像桃花一样美丽，日子像桃子一样甜蜜。12月-2012月-20Thursday, December 24, 2020 10、人的志向通常和他们的能力成正比例。15:45:2615:45:2615:4512/24/2020 3:45:26 PM 11、夫学须志也，才须学也，非学无以广才，非志无以成学。12月-2015:45:2615:45Dec-2024-Dec-20 12、越是无能的人，越喜欢挑剔别人的错儿。15:45:2615:45:2615:45Thursday, December 24, 2020 13、志不立，天下无可成之事。12月-2012月-2015:45:2615:45:26December 24, 2020 14、Thank you very much for taking me with you on that splendid outing to London. It was th