单变量平稳时间序列模型.pptxVIP

单变量平稳时间序列模型第1页/共32页 内容结构 ARMA模型的理论介绍 ARMA模型的实证分析 问题与小结 123第2页/共32页 1、ARMA模型有何价值？2、什么是ARMA模型？3、如何确定ARMA(p,q)中的p和q？4、如何估计ARMA(p,q)中的参数？5、如何检验ARMA模型？6、如何利用ARMA模型进行预测？ ARMA模型的理论介绍 一：ARMA模型的概述 六大问题第3页/共32页 一：ARMA模型的概述1、ARMA模型有何价值？时间序列分析即寻找时间序列{ }的规律，对于给定的时间序列{ }，有2种方法对其进行解释或预测： 利用外部影响因素的时间序列与本时间序列的关系进行解释或预测，典型的方法如回归模型。例如，预测零配件的月销售量，可以利用汽车月度产量等外部影响建立回归方程，进行预测。缺点：上述因素的数据必须具有可获得性，但是影响因素的数据并不是总是可获得，如政策、消费者偏好等因素就难以获得，这时就不适合采用外部影响因素法。 ARMA模型的理论介绍 1、外部影响因素法第4页/共32页 一：ARMA模型的概述上述方法中存在外部影响因素数据不可获得的特点，时间序列方法则规避了此类缺点。时间序列法，通过时间序列的历史数据，得出关于过去行为的有关结论，进而对时间序列未来进行判断。时间序列方法有很多，如传统时间序列方法（时间序列分解、指数平滑等）、随机时间序列（ARMA/AR/MA等）、其他方法（ARCH、动态时间序列法等）2、什么是ARMA模型？一些知识点的介绍即进行时间序列分析前，必须判断其是否平稳，否则，时间序列分析中的t、F等检验都是不可信的。1、时间序列的平稳性（任何时间序列分析都必须满足的前提）2、时间序列方法 ARMA模型的理论介绍 第5页/共32页 一：ARMA模型的概述 满足如下条件： 则时间序列 平稳 例一(平稳)满足如下条件称为白噪声 ARMA模型的理论介绍 ~第6页/共32页 一：ARMA模型的概述例二（非平稳）满足如下条件称为随机游走序列作差分后平稳 ARMA模型的理论介绍 第7页/共32页 一：ARMA模型的概述滞后算子公式：Ln xt = xt- n 2、滞后算子3、自相关函数对于 有自协方差函数定义?k = Cov (Xt, X t - k ) = E[(Xt - ? ) (Xt - k - ? ) ] 其中，k=0时，?0 =Var（ ）= ARMA模型的理论介绍 第8页/共32页 一：ARMA模型的概述自相关函数定义?k = = = 其中，k=0时，?0 =14、偏自相关函数自相关函数ACF(k)给出了 与 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，例如 与 间有相关性可能主要是由于它们各自与 间的相关性带来的，这时需要用PACF（k）进行判断 与 间的偏自相关函数（partial autocorrelation，PACF）则是消除了中间变量 ，…， 带来的间接相关后的直接相关性 ARMA模型的理论介绍 第9页/共32页 一：ARMA模型的概述 ARMA模型的介绍1、移动平均MA（q）模型 一般地， 满足称为q阶移动平均过程MA(q) 为白噪声， 为移动平均系数移动平均过程是无条件平稳的（有严格的数学证明） ARMA模型的理论介绍 第10页/共32页 一：ARMA模型的概述 2、自回归过程AR（p）模型 一般地， 满足称为p阶移动平均过程AR(p)如果 = ，为白噪声， 为自回归系数移动自回归过程平稳的条件 滞后算子： 滞后算子表达式： 特征方程：=0结论：特征方程的所有根在单位圆外（根的模大于1），则AR(p)模型是平稳的 ARMA模型的理论介绍 第11页/共32页 一：ARMA模型的概述 3、自回归移动平均过程ARMA（p，q）模型 与AR（p）相似， 满足如果 是一个白噪声， 满足： 12由1式和2式得： 其中 为白噪声，此模型是上述2个模型的混合，因此称为ARMA(p，q)模型 ARMA模型的理论介绍 第12页/共32页 一：ARMA模型的概述 当 p=0 时，ARMA(0, q) = MA(q) 当q = 0时，ARMA(p, 0) = AR(p)ARMA（p，q）模型包括了一个AR(P)模型和一个MA(q)模型，因为MA(q)模型永久