时间序列分析.ppt

二、时间序列的平稳性 1、平稳性的定义 (3) 严平稳过程与宽平稳过程的关系 ① 宽平稳要求随机过程的前二阶矩平稳。一般来说，分布的前二阶矩不能决定整个分布函数，所以广义平稳不能保证狭义平稳。 ② 严平稳要求整个分布函数平稳，但并不要求前二阶矩存在，所以是严平稳也未必就是宽平稳。只有前二阶矩存在的严平稳过程才一定是宽平稳过程。 ③ 由于正态分布的分布函数完全由前二阶矩决定，所以正态随机过程如果是宽平稳的，那么必定也是严平稳的。 第九十四页，共一百六十六页，2022年，8月28日 二、时间序列的平稳性 2、平稳过程的自协方差与自相关函数 (1) 自协方差与自相关函数的计算 自协方差：γs=Cov(yt,yt-s)=E(yt-μ)(yt-s-μ) 称为s阶自协方差函数。显然，0阶自协方差函数为yt的方差：γ0=E(yt-μ)2=σy2 自相关函数：ρs=γs/γ0 称为s阶自相关函数。显然，0阶自相关函数等于1，有ρ0=1。 第九十五页，共一百六十六页，2022年，8月28日 二、时间序列的平稳性 2、平稳过程的自协方差与自相关函数 (2) 自协方差与自相关函数的性质 ①对称性： γs= γ-s， ρs= ρ-s ； |γs|? γ0，|ρs|?1。 第九十六页，共一百六十六页，2022年，8月28日 三、ARMA模型 1、最简单的平稳过程 白噪声过程 第九十七页，共一百六十六页，2022年，8月28日 三、ARMA模型 2、ARMA模型的形式 一般来说，一个变量的现在取值，不仅受其本身过去值的影响，而且也受现在和过去各种随机因素冲击的影响，因此可建立其数据生成模型为： yt=a0+a1yt-1+a2yt-2+…+apyt-p+εt+β1εt-1+…+βqεt-q 该模型就称为ARMA(p,q)模型。 如果q=0，则该模型退化为： yt=a0+a1yt-1+a2yt-2+…+apyt-p+εt 称为p阶自回归模型，记作AR(p)。 如果p=0，则该模型退化为： yt=a0+εt+β1εt-1+…+βqεt-q 称为q阶移动平均模型，记作MA(q)。 第九十八页，共一百六十六页，2022年，8月28日 二、ARMA模型 3、稳定性条件 ARMA(p,q)模型的移动平均表示是一个无限阶的移动平均过程MA(?)，该无穷序列是否收敛决定了原随机差分方程是否稳定。因此稳定性条件可表示为： The stability condition is that the roots of the polynomial (1-a1L-a2L2-…-apLp) must lie outside of the unit circle. 即：ARMA模型的逆特征方程的根都必须在单位圆外。 第九十九页，共一百六十六页，2022年，8月28日 一、移动平均模型MA(q) 回总目录 回本章目录 如果时间序列 满足 则称时间序列 服从q阶移动平均模型。 或者记为 ， 称为是移动平均滞后算子。 第一百页，共一百六十六页，2022年，8月28日 MA(q)模型的参数特征 回总目录 回本章目录 由此可知，MA模型在q步之后具有截尾性 均值 方差，自协方差函数 满足方程 第一百零一页，共一百六十六页，2022年，8月28日 回总目录 回本章目录 二、无穷移动平均模型MA( ) 要使得上式有意义，必须使得无穷各随机变量的和收敛到某一随机变量，此时的系数要满足一定的条件，常用的就是系数绝对可和 此时的序列是平稳的，可进一步验证其数字特征 MA(q)模型在滑动平均阶数 时，具有如下一般形式 第一百零二页，共一百六十六页，2022年，8月28日 三、AR(P)模型 回总目录 回本章目录 如果时间序列 满足 简记为 。 其中 白噪声序列, 且满足： 则称时间序列 服从p阶自回归模型。 其中 称为是自回归滞后算子多项式 第一百零三页，共一百六十六页，2022年，8月28日 自回归模型的平稳条件： 滞后算子多项式 的根均在单位圆外，即 的根的模大于1。