时间序列分析的基本概念.pptVIP

平稳序列的自协方差序列和自相关函数列的性质白噪声序列和独立同分布序列01白噪声（Whitenoise）序列定义：若时间序列{Xt}满足下列性质：则称此序列为白噪声序列。下一页返回本节首页上一页0203040506白噪声序列是一种特殊的宽平稳序列，也是一种最简单的平稳序列，它在时间序列分析中占有非常重要的地位。1独立同分布（iid）序列2定义：如果时间序列{Xt}中的随机变量Xt，t=0,±1,±2……是相互独立的随机变量，且Xt具有相同的分布（当Xt有一阶矩时，往往还假定EXt=0）,则称{Xt}为独立同分布序列。3可见独立同分布序列{Xt}是一个严平稳序列。一般来说，白噪声序列与独立同分布序列是不同的两种序列，但是当白噪声序列为正态序列时，它也是独立同分布序列，此时我们称其为正态白噪声序列（NID）。01402203004205406800782088409861088119012921394149615正态白噪声序列五、独立增量随机过程、二阶矩过程独立增量随机过程独立增量过程是物理上重要的马氏过程。随机过程X（t），t〉=0，用X（t1,t2)表示随机变量X(t2)-X(t1),并称为X（t）在（t1,t2)上的增量，如果对一切t1t2……tn，增量是相互独立的，则称[X（t），t〉=0]是一个独立增量过程。马氏过程：从对过去记忆性角度来考虑的，简单的说，一阶马氏过程表示：将来时刻tn的状态xn的统计特性仅取决于现在时刻tn-1时刻的值xn-1。下一页返回本节首页上一页定义：若一个随机过程X(t)，，如果对于一切,总有01则称此过程为二阶矩过程。广义平稳过程是二阶矩过程中的一类。高斯过程也是二阶矩过程。高斯分布是指随机过程的各有限维分布都是高斯分布，高斯分布的各阶矩都存在，故也属于二阶矩过程。02二阶矩过程线性平稳序列下一页返回本节首页上一页01021.时间序列的线性运算设{Xt}为一时间序列，d为一正整数，那么，yt=xt-dt=0,±1,±2……为Xt的d步延迟运算。设{Xt}与{Yt}为两个时间序列，a，b为两个实数，那么，zt=axt+bytt=0,±1,±2……为序列{Xt}与{Yt}的一种线性运算。2.时间序列的迟运算3.时间序列的线性与延迟联合运算yt=a0xt+a1xt-1+…+apXt-pt=0,1,2…为时间序列线性与延迟联合运算。当ai=1/p，i=0,1,2,…时，{Yt}即为对序列{Xt}的移动平均序列。4.时间序列的非线性运算非线性运算的形式是多种多样的：如yt=xt2+axt，yt=xt-1/(1+xt-2)2等。平稳线性序列设{at}为正态白噪声序列，则称序列：注：可以证明，{Xt}为一宽平稳序列。为线性平稳序列。030102偏自相关函数偏自相关函数：指扣除Xt和Xt+k之间的随机变量Xt+1,Xt+2,…Xt+k-1等影响之后的Xt和Xt+k之间的相关性。偏自相关函数一般用表示。偏自相关其实就是如下的条件相关：cov(Xt,Xt+k|Xt+1,Xt+2…Xt+k-1)123654上一页返回本节首页下一页01020304第三节随机过程的特征描述下一页样本均值样本自协方差函数样本自相关函数（SACF）样本偏自相关函数返回本节首页05上一页对时间序列的一次样本实现，需要用样本均值代替总体均值01可以证明，是的无偏、一致估计。02下一页03返回本节首页04上一页05一、样本均值对于时间序列的一次样本现，我们也需要通过样本自协方差函数估计总体自协方差函数。这里有两种形式：1书P732样本自协方差函数3下一页4返回本节首页5上一页6通过证明有如下结论：上述样本自协方差函数都是总体自协方差函数的渐近无偏估计，且比的偏要大。但是，比的方差小，且在大样本情况下（n很大），二者差别不大，因此我们通常用作为样本自协方差函数。0102由于当k相对于n而言较大时，的偏比更大，因此，在时间序列分析时，一般滞后期k最多取至n/4样本自相关函数（SACF）对给定的序列x1,x2,…xn，样本自相关函数定义为：上一页01下一页02返回本节首页03样本偏自相关函数（SPACF）P77样本偏自相关函数有如下递推公式：