时间序列模型.ppt

由于，可得5.2自回归(AR)模型*/40上式称为尤里-沃克（Yule-Walker）方程。所以，如果选择了AR(p)模型，并可选定或根据观测数据估计模型的自相关函数，则可由尤里-沃克方程解出个模型参数，由此确定该模型，估计模型的功率谱密度函数。第29页,共40页，星期六，2024年，5月滑动平均模型（MA模型）是时间序列模型另一种主要形式，通常用MA(q)记阶MA模型。定义为：5.3滑动平均(MA)模型*/40式中为实常数，且，称为MA(q)模型的参数，通常有，仍为零均值、方差为的白噪声序列。由于是有限的，所以MA(q)模型也是平稳的。第30页,共40页，星期六，2024年，5月1.一阶MA模型定义MA(1)模型为：5.3滑动平均(MA)模型*/40显然，MA(1)模型是一阶相关的，其相关系数在±0.5之间取值。容易求得第31页,共40页，星期六，2024年，5月2.q阶MA模型对于MA(q)模型5.3滑动平均(MA)模型*/40这是一个全零点模型，具有有限冲激响应（FIR）。上式两边取变换，可得该模型的传递函数为：可知有个零点，于是第32页,共40页，星期六，2024年，5月由MA(q)的定义式，可见是白噪声序列的当前值和个过去值的线性组合，所以，当中的大于时，其白噪声序列的线性组合将全部为更新后的值，由此可以推断，相隔长度大于的其自相关函数为零，即与互不相关。因此，MA(q)模型自相关函数的相关长度为。MA(q)的自相关函数为：5.3滑动平均(MA)模型*/40第33页,共40页，星期六，2024年，5月由于5.3滑动平均(MA)模型*/40所以，MA(q)模型的二阶矩与阶次和参数有关。于是有由此可得的方差为：第34页,共40页，星期六，2024年，5月式子证明了MA(q)模型自相关函数的相关长度为，当各模型参数均为时，其相关函数具有如下简单形式：5.3滑动平均(MA)模型*/40根据MA(q)的全零点传递函数，模型的功率谱密度函数为：也可用全零点谱形式表示：第35页,共40页，星期六，2024年，5月如果用一个阶自回归模型和一个阶滑动平均模型组成一个混合模型，可得一个形如以下差分方程的模型：5.4自回归滑动平均(ARMA)模型*/40式中和均为实常数，且和不为零，通常有。如果，上式退化为一个AR(p)信号模型；如果，则为一个MA(q)信号模型。上式定义的模型称为自回归滑动平均模型，也称ARMA模型，记为ARMA(p,q)。第36页,共40页，星期六，2024年，5月对上式两边取变换，可得ARMA模型的传递函数为：5.4自回归滑动平均(ARMA)模型*/40式中为传递函数的个零点，为传递函数的个极点，这是一个零极型传递函数，不同于AR(p)或MA(q)模型。可见，ARMA模型的特性完全取决于传递函数的零极点分布情况。因此，ARMA(p,q)模型是白噪声序列通过零极型传递函数所产生的随机序列，该模型具有无限冲激响应。第37页,共40页，星期六，2024年，5月根据传递函数极点与系统稳定性之间的关系，若所有极点均在平面的单位圆内，则ARMA(p,q)模型满足平稳性。对模型方程两边同乘并取数学期望，可得模型的自相关函数为：5.4自回归滑动平均(ARMA