时间序列预处理.docxVIP

时间序列预办理 时间序列预办理 PAGE / NUMPAGES 时间序列预办理 时间序列预办理 一、安稳性查验 、概率散布（ 1）意义： 随机变量族的统计特征完整由它们的结合散布函数或结合密度函数决定 （ 2）时间序列概率散布族的定义： { Ft1 ,t2 , ,t m ( x1 , x2 , , xm )} m (1,2, , m), t1 , t2 , , tm T 、特点统计量 均值： t EX t xdFt ( x) t ) 2 2 方差： DX t E( X t ( x t ) dFt ( x) 自协方差： (t , s) E( X t t )( X s s ) 自有关系数： (t, s) (t, s) DX t DX s 、安稳时间序列的定义（ 1）严安稳 严安稳是一种条件比较苛刻的安稳性定义， 它以为只有当序列全部的统计性质都不会跟着时间的推移而发生变化时，该序列才能被以为安稳。 （ 2）宽安稳 宽安稳是使用序列的特点统计量来定义的一种安稳性。 它以为序列的统计性质主要由它的低阶矩决定，因此只需保证序列低阶矩安稳（二阶） ，就能保证序列的主要性质近似稳固。 、安稳时间序列的统计定义 知足以下条件的序列称为严安稳序列 : 正整数 m , t1, t2 , , tm T , 正整数 ,有: Ft1 ,t 2 t m ( x1 , x2 , , xm ) Ft 1 ,t 2 tm ( x1 , x2 , , xm ) 知足以下条件的序列称为宽安稳序列 : (1) EX t2 , t T ; (2) EX t , 为常数， t T ; (3) (t , s) ( k, k s t )， t , s, k且 k s t T ; 严安稳与宽安稳的关系 : 一般关系 严安稳条件比宽安稳条件苛刻，往常状况下，严安稳（低阶矩存在）能推出 宽安稳建立，而宽安稳序列不可以反推严安稳建立。 特例 不存在低阶矩的严安稳序列不知足宽安稳条件， 比如听从柯西散布的严安稳 序列就不是宽安稳序列 ;当序列听从多元正态散布时，宽安稳能够推出严安稳。 、安稳时间序列的统计性质 常数均值。 自协方差函数和自有关函数只依靠于时间的平移长度而与时间的起止点没关。 延缓 k 自协方差函数： (k ) (t, t k) ， k 为整数 延缓 k 自有关系数： k  (k ) (0) 、自有关系数的性质 规范性 ;(2) 对称性 ;(3) 非负定性 ;(4) 非独一性 、安稳性的查验（图查验方法） 时序图查验 依据安稳时间序列均值、方差为常数的性质，安稳序列的时序图应当显示出 该序列一直在一个常数值邻近随机颠簸， 并且颠簸的范围有界、 无显然趋向及周 期特点。 自有关图查验 安稳序列往常拥有短期有关性。 该性质用自有关系数来描绘就是跟着延缓期 数的增添，安稳序列的自有关系数会很快地衰减向零。 二、纯随机性查验 、纯随机序列的定义 纯随机序列也称为白噪声序列，它知足以下两条性质： , t s (1) EX t , t T ;(2) (t, s) , t, s T 0,t s 、白噪声序列的性质 纯随机性 : (k) 0， k 0 ,各序列值之间没有任何有关关系 ,即为“没有记忆” 的序列。 方差齐性 : DX t (0) 2 ,依据马尔可夫定理 ,只有方差齐性假定建即刻 ,用 最小二乘法获得的未知参数预计值才是正确的、有效的。 、查验原理 假如一个时间序列是纯随机的，获得一个察看期数为 n 的察看序列，那么该 序列的延缓非零期的样本自有关系数快要似听从均值为零， 方差为序列察看期数 倒数的正态散布。 1 ?k ~ N (0, ) ， k 0 n 、假定条件 原假定：延缓期数小于或等于 m 期的序列值之间互相独立。 H 0： 1 2 m 0, m 1 备择假定：延缓期数小于或等于 m 期的序列值之间有有关性。 H 1：起码存在某个 k 0, m 1， k m 、查验统计量 m Q 统计量： Q n ?k2 ~ 2 (m) k 1 m 2 LB 统计量： LB n(n 2) ( ?k ) ~ 2 m n k 1 k 、鉴别原则拒绝原假定 : 2 当查验统计量大于 1 (m) 分位点，或该统计量的 P 值小于 时，则能够以 的置信水平拒绝原假定，以为该序列为非白噪声序列。 接受原假定 : 当查验统计量小于  2 1 (m) 分位点，或该统计量的 P 值大于 时，则以为在 的置信水平下没法拒绝原假定， 即不可以明显拒绝序列为纯随机序列的假定。