第四章平稳时间序列模型的建立.ppt

4.2施瓦茨(Schwarz)的SC准则此准则1978年由Schwarz提出，被称为SBC(Schwartz’sBayesiancriterion)。准则函数：简化式为：第62页，共100页，星期日，2025年，2月5日同样Eviews输出的结果与上形式略有差别，其定义为：第63页，共100页，星期日，2025年，2月5日准则函数使用注意1、当样本量趋于无穷时，用AIC准则挑选的最佳模型的阶数往往比真实模型阶数高，而用SBC准则确定的最佳模型的阶数往往与真实模型的阶数相一致。2、样本量不是很大时，SBC准则的定阶效果不及AIC。第64页，共100页，星期日，2025年，2月5日一、矩估计二、极大似然估计三、最小二乘估计第三节模型参数估计第65页，共100页，星期日，2025年，2月5日一、矩估计原理样本自相关系数估计总体自相关系数样本一阶均值估计总体均值，样本方差估计总体方差第66页，共100页，星期日，2025年，2月5日例1求AR(2)模型系数的矩估计AR(2)模型Yule-Walker方程矩估计（Yule-Walker方程的解）第67页，共100页，星期日，2025年，2月5日例2求MA(1)模型系数的矩估计MA(1)模型方程矩估计第68页，共100页，星期日，2025年，2月5日例3求ARMA(1,1)模型系数的矩估计ARMA(1,1)模型方程矩估计第69页，共100页，星期日，2025年，2月5日对矩估计的评价优点估计思想简单直观不需要假设总体分布计算量小（低阶模型场合）缺点信息浪费严重只用到了p+q个样本自相关系数信息，其他信息都被忽略估计精度差通常矩估计方法被用作极大似然估计和最小二乘估计迭代计算的初始值第70页，共100页，星期日，2025年，2月5日一、模型识别基本原则选择模型拖尾P阶截尾AR(P)q阶截尾拖尾MA(q)拖尾拖尾ARMA(p,q)第30页，共100页，星期日，2025年，2月5日零均值平稳序列模型识别的主要根据是序列的自相关函数(ACF)和偏自相关函数(PACF)的特征.若序列xt的偏自相关函数在kp以后截尾，即kp时，，而且它的自相关函数拖尾，则可判断此序列是AR(p)序列.第31页，共100页，星期日，2025年，2月5日若序列xt的自相关函数在kq以后截尾，即kq时，，而且它的偏自相关函数拖尾，则可判断此序列是MA(q)序列.若序列xt的自相关函数、偏相关函数都呈拖尾形态，则可断言此序列是ARMA序列.若序列的自相关函数和偏自相关函数不但都不截尾，而且至少有一个下降趋势势缓慢或呈周期性衰减，则可认为它也不是拖尾的，此时序列是非平稳序列，应先将其转化为平稳序列后再进行模型识别.第32页，共100页，星期日，2025年，2月5日模型定阶的困难因为由于样本的随机性，样本的相关系数不会呈现出理论截尾的完美情况，本应截尾的或仍会呈现出小值振荡的情况由于平稳时间序列通常都具有短期相关性，随着延迟阶数，与都会衰减至零值附近作小值波动？当或在延迟若干阶之后衰减为小值波动时，什么情况下该看作为相关系数截尾，什么情况下该看作为相关系数在延迟若干阶之后正常衰减到零值附近作拖尾波动呢？二、模型定阶第33页，共100页，星期日，2025年，2月5日样本相关系数的近似分布BarlettQuenouille1、经验定阶方法第34页，共100页，星期日，2025年，2月5日95％的置信区间第35页，共100页，星期日，2025年，2月5日模型定阶的经验方法如果样本(偏)自相关系数在最初的p阶明显大于两倍标准差范围，而后几乎95％的自相关系数都落在2倍标准差的范围以内，而且通常由非零自相关系数衰减为小值波动的过程非常突然.这时，通常视为(偏)自相关系数截尾.截尾阶数为p.第36页，共100页，星期日，2025年，2月5日例1⑴上海延中实业股票数据识别（一阶差分后）⑵平均每日生产汽车废品数据的识别(n=45)⑶美国女性失业月数据识别（差分后）第37页，共100页，星期日，2025年，2月5日上海延中实业股份有限公司是上海首家向社会公开发行股票的企业.1985年1月底发行股票500万元，其中由上海延中复印工业公司出资30万元.上海延中实业股票收盘价基本反映了沪市股票的大致走向.总观测期n＝619，先作出原序列的样本自相关函数和样本偏相关函数，其结果见表1和图1.⑴上海延中实业股票数