ARMA模型的参数估计.pptxVIP

用八早ARMA模型的参数估计章结构?ar（p）模型的参数估计■的（g模型的参数估计■ ARMA （p,q）模型的参数估计§6?顷3)模型的参数估计Yule-Walker 估计 最小二乘估计 最大似然估计AR(p)模型定阶 模型拟合检验 AR譜密度估计RMA模型的参数顾及?对时冋序列观测数据建立模型可以更深入了解数据的 内在规律，也有利于预报。A估计模型的?般指导原则是其他条件相同时较简单的 模型更有利。?建立模型，要兼顾对观测到的数据的拟合情况和模型 的可推广性。a/ dopin mm?下面讨论相合性时，由，L5定理5.2可知，ARMA模型 中白噪声项如果是独立同分布的则该平稳列为严平稳 遍历。.Yule?Walker 估计「对AR(p)模型,需要佔计系数瓦，处,...，朋和白噪声方 差?设X1,X2,...,XN为观测数据，建模前一般先中心化：Yt =冷—xn , t — 1,2,..., A/?假定｛yi,y2,...,y/v｝是某个AR(p)序列的观测样本。先 假定p已知。aocin.coni?如果序列的理论自协方差函数｛*｝已知则由Yule-Walker方程可以解出a” ...,甲和(7七见P.68定 理 3.3.7n = rnan, 7o = 7Aan + a2, n p, （3.9）A即Ok =^k-l + ^27A-2 + ??? 十 衬k_p, kl（t）A（缓bk =。，A 2 1o2 =70 - ai7i - a272-----甲“=厶（劣）。0⑴?特别地.（3。）己＜,o == ——i,...，()p =则厶(n) = 原，AR模型可写成￡爲?jXjj = e I Yule-Walker方程口『写成o2070 7171 7oyp—iOi70 / \ Op J0\)p)p- 1http://www.docin.conwww.docin.conM -(辺。k_l + 32服_2 H-----F 3Qk_p) = CJ2._kk丘?从观测样本可以估计样本自协方差奇a, k =。, L...，p。?在丫-W方程中用立代替*可以解出祈,. . .，布,新， 由孙2 A的讨论知如果加...,yN不全相同则「p+i正 定，Y-W方程的解存在唯?由犯4定理4.1可知这样解出的含1, . . .,布满足最小相位 条件』—?.—5“Yule?Walker 估计?为了避免计算「p的逆可以用Levinson递推公式 解Y-W方程得到务,a p和步2。?这样得到的AR(p)参数佔计叫做Y-W估计或Levinson佔 计。?优点是保证最小相位性，计算简单。le-Wa I ker估计的相合性?由§2.3定理3.5知AR(p)的「p正定,所以 ai,.. .,ap,是。0,01,..., ]p 的连续函数o?如果气是以的强相合估计，则务,...，布,兼也是相应 参数的强相合估计。?要使効强相合，由§4.2定理2.1, ?个充分条件是白噪 声｛》｝独立同分布。这时ARMA模型严平稳遍历。Yu I e?Wa I ker估计的相合性_________________?定理1.1如果AR(p)模型(L1)中的｛｝是独立同分布 的WN(0,a2), Ee? oo,则当N — 8时1. a2 — a2, 3j — a、as, 1 j p.2. - a1,.. . ,ap - ap)T依分布收敛到p维正态分布 A/(。,尸「了)。____3. \/N sup I ay — ay I = 0( v In In N), as.,i/p -_______ . ____v//V|aJ — a2\ = O(\/ln In N), a s.?证明：1. 由§4.2定理2.1知猥强相合，仰根据玉为｛#｝的连续 函数知处02强相合°2. 证明略。3. 证明略。」I.Yule?Wa Ike r估计的相合性?当定理成立时参数佔计有近似正态分布，可以用来作 置信区间和假设检验。?设四为。2「；的第丿X,元素，则苏近似服从N（吓叮/N）,于是中的近似95%置信区间为W — 1.96 ㈤+ 1.96^/^其中四可以用士「丁的元素％代替。小二乘估计?最小二乘估计计算简单.不需要计算自协方差。?最小二乘估计使残菱平方和最小:= V} M 一(边+..? + 即％-「)]2 r=p+l最小值点务,...，布称为参数的最小二乘估计。?用线性模型理论,写出最小.乘对应的正规方程为?最小-乘估计知，.…專是lE规方程(112)的解hpg 阵XrXiE定时方程有唯解a = (XtX)1XtY，.依概率有界?定义1.1设｛徐｝是时间序列，｛今｝是非零常数列，如果对任意，〉0,存在正数使得n就称时间序列｛｝是依概率有界的,记做h = Op(l如果｛给