随机时间序列模型.pptVIP

随机时间序列模型;说明;一、时间序列模型概述;1、时间序列模型;2、随机时间序列模型的适用性;二、随机时间序列模型的平稳性条件;1、AR(p)模型的平稳性条件;考虑p阶自回归模型AR(p);容易得到如下平稳性条件;2、MA(q)模型的平稳性;3、ARMA(p,q)模型的平稳性;4、总结;三、随机时间序列模型的识别;所谓随机时间序列模型的识别，就是对于一个平稳的随机时间序列，找出生成它的合适的随机过程或模型，即判断该时间序列是遵循一纯AR过程、还是遵循一纯MA过程或ARMA过程。 所使用的工具主要是时间序列的自相关函数（autocorrelation function，ACF）及偏自相关函数（partial autocorrelation function， PACF ）。;1、AR(p)过程;偏自相关函数 自相关函数ACF(k)给出了Xt与Xt-1的总体相关性，但总体相关性可能掩盖了变量间完全不同的隐含关系。 与之相反，Xt与Xt-k间的偏自相关函数(partial autocorrelation，简记为PACF)则是消除了中间变量Xt-1，…，Xt-k+1 带来的间接相关后的直接相关性，它是在已知序列值Xt-1，…，Xt-k+1的条件下，Xt与Xt-k间关系的度量。 AR(p)的一个主要特征是:kp时，?k*=Corr(Xt,Xt-k)=0 ，即?k*在p以后是截尾的