平稳时间序列分析.pptVIP

第三章平稳时间序列分析时序图检验、自相关图检验纯随机性（白噪声）检验法？平稳性的图检验法？时序图检验原理：时序图应该呈现序列值始终在一个常数附近随机波动，而且波动的范围有界、无明显趋势及周期特征。自相关图检验原理：自相关系数会很快地衰减为零。Q检验法(卡方检验)一个平稳序列短期延迟的序列值间无显著相关性，则长期延迟间一般更不存在。Q检验法的检验原理：上次课内容方法性工具ARMA模型（ARMAARMA）平稳序列建模序列预测本章内容01差分运算02延迟算子03线性差分方程3.1方法性工具01一阶差分02p阶差分03k步差分1、差分运算延迟算子类似于一个时间指针，当前序列值乘以一个延迟算子，就相当于把当前序列值的时间向过去拨了一个时刻。记B为延迟算子，有02012、延迟算子延迟算子的性质：用延迟算子表示差分运算p阶差分k步差分A线性差分方程对序列{xt，t=±1,±2,…}B齐次线性差分方程3、线性差分方程齐次线性差分方程的解齐次线性差分方程特征方程特征方程的根称为特征根(至少有p个非零根)，记作不相等实数根时有相等实根时(设有d个相等实根)，则有复根时，复根必共轭出现齐次线性差分方程的通解非齐次线性差分方程的解非齐次线性差分方程的特解使得非齐次线性差分方程成立的任意一个解非齐次线性差分方程的通解齐次线性差分方程的通解和非齐次线性差分方程的特解之和Zt线性差分方程在时间序列分析中很有用，某些时间序列模型及自协方差或自相关函数本身就是线性差分方程，而线性差分方程的特征根的性质，对平稳性的判定也很重要。123AR模型（AutoRegressionModel）MA模型（MovingAverageModel）ARMA模型（AutoRegressionMovingAveragemodel）3.2ARMA模型的性质一、AR模型1、定义：具有如下结构的模型称为p阶自回归模型，简记为AR(p)特别地、当φ0=0时，称为中心化AR(p)模型保证最高阶数为p保证残差白噪声保证t期的随机干扰与过去s期的序列值无关目的是将非中心化的AR(p)转化为中心化AR(p)。令则变换yt=xt-μ称为中心化变换。（相当于将整个非中心化序列进行了常数μ的平移。）2、AR(P)序列中心化变换自回归系数多项式引进延迟算子，称为自回归系数多项式。则中心化AR(p)模型可简记为23145平稳域判别法特征根判别法AR模型虽是常用的平稳序列的拟合模型之一，但并非所有的AR模型都是平稳的判别方法，除时序图及自相关图法外，还有判别原因4、AR模型平稳性判别【例3.1】考察如下四个模型的平稳性例3.1平稳序列时序图（1）（3）