随机时序模型.pptVIP

13.时间序列分析(下);;;;;另一条预测途径：通过时间序列的历史数据，得出关于其过去行为的有关结论，进而对时间序列未来行为进行推断。

;;13.1随机时间序列模型;如果我们考虑这样的模型：

〔13-2〕

我们就说遵循一个二阶自回归(second-orderautoregressive〕或AR〔2〕随机过程。就是说，时期t的Y值依赖于它在先前两个时期的值和时期t的随机误差项。;13.1.2移动平均〔MA〕模型;13.1.3自回归移动平均〔ARMA〕模型;13.1.4自回归求积移动平均〔ARIMA〕模型;定义差分算子取之于数学概念，即为运算符号

,〔13-9〕

我们在第十一章中看到，如果一个时间序列是一阶求积的[即它是I(1)]，那么它的一阶差分序列就是I(0)，即平稳的。类似的，如果一个时间序列是I(2)，那么它的二阶差分序列就是I(0)。一般的如果一个时间序列是I(d)，那么将它差分d次，d阶差分序列就得到一个I(0)序列。;例如，一个ARIMA(2,1,2)时间序列在它称为平稳序列之前必先差分一次(d=1)，方可用一个ARMA(2,2)过程作为这个〔一阶差分〕平稳时间序列的模