平稳时序模型.pptVIP

统计模型的一般形式时间序列模型的一般形式MA模型（MovingAverageModel）ARMA模型（AutoRegressionMovingAveragemodel）AR模型（AutoRegressionModel）模型具有如下结构的模型称为阶自回归模型，简记为特别当时，称为中心化模型AR模型的定义(一).一阶自回归模型，AR(1)1.设{xt}为零均值的平稳过程，如果关于xt的合适模型为：其中：(1)εt是白噪声序列（Eεt=0,Var(εt)=σ2,cov(εt,εt+k)=0,k≠0）,(2)假定：E(xt,εs)=0(ts)，那么我们就说xt遵循一个一阶自回归或AR(1)随机过程。自回归模型(Autoregressivemodel,AR）可见,AR(1)模型中，xt在t时刻值依赖于两部分，一部分依赖于它的前一期的值xt-1；另一部分是依赖于与xt-1不相关的部分εt可将AR(1)模型写成另一种形式：01通过这一种形式可以看出，AR(1)模型通过消除xt中依赖于xt-1的部分，而使相关数据转化成了独立数据。02随机游走模型如果一个时间序列xt的合适的模型为如下的形式：其中：εt为白噪声序列，那么就称该模型为随机游走模型，这样的时间序列称随机游走过程。1201注意：随机游走过程是非平稳时间序列。02证明：随机游走通常被比作一个醉汉的游走。01BAR02虽然随机游走过程是非平稳的，但是我们看到，它的一阶差分却是平稳的：有些研究表明，许多经济时间序列呈现出随机游走或至少有随机游走的成分，如股票价格，这些序列虽然是非平稳的，但它们的一阶(或高阶)差分却是平稳的。Box—Jenkins就是利用差分这种数学工具来使非平稳序列转化为平稳序列的。有关随机走的单位根(Unitroot)检验,我们以后将作介绍二阶自回归模型，AR(2)设{xt}为零均值的平稳过程，如果关于xt的合适模型为其中：(1)εt是白噪声序列,(2)假定：E(xt,εs)=0(ts)，那么我们就说xt遵循一个二阶自回归或AR(2)随机过程。上述模型就是AR(2)模型。010203AR(2)模型的等价形式通过等价形式可以看出，AR(2)模型通过将xt中依赖于xt-1、xt-2的部分剔除掉，而使数据转化成了独立数据εt。01.如果关于xt的合适模型为:02.一般自回归模型，AR(p)03.那么，就称xt满足p阶自回归模型，记作AR(p)。（假设条件同前）AR(p)模型的等价形式通过等价形式可以看出，AR(p)模型通过将xt中依赖于xt-1、xt-2……xt-p的部分剔除掉，而使数据转化成了独立数据εt。具有如下结构的模型称为阶自回归模型，简记为特别当时，称为中心化模型0102MA模型的定义移动平均模型（movingaveragemodel,MA）一阶移动平均模型，MA(1)如果关于xt（假设同前）的合适的模型如下：其中：εt为白噪声序列，那么就称xt满足一阶移动平均模型，记作MA(1)010302MA(1)模型表明，xt依赖于两部分，一部分为εt-1，另一部分为εt一般移动平均模型的形式：一般移动平均模型，MA(q)其中：εt为白噪声序列。从一般移动平均模型可以看出，xt仅与εt，εt-1，…εt-q有关，而与εt-j(jq)无关。具有如下结构的模型称为自回归移动平均模型，简记为01特别当时，称为中心化模型02ARMA模型的定义自回归移动平均模型，ARMA（p,q）自回归移动平均模型的一般形式01如果xt即有AR模型特性，又有MA模型的特性，那么它可以用如下的线性模型来描述：02其中：(1)εt是白噪声序列,(2)假定：E(xt,εs)=0(ts)，那么我们就说xt满足自回归移动平均模型，记为ARMA(p,q)。03例如1ARMA(3,2)3ARMA(2,1)2……4从以上可以看出AR、MA、ARMA(p,q)等01模型均可以看作是ARMA(p,p-1)模型的特例，02这为我们提供了一种很好的建模策略，即建03模时，可以通过逐渐增加ARMA(p,p-1)模型的04阶数，逐渐找到最有效的模型。05思考：如果{xt}是一个非零均值的平稳时间序列，怎么对其建立模型？AR(P)序列中心化变换称为的中心化