第三章 非平稳序列的随机分析.pptVIP

一阶差分第30页，共52页，星期日，2025年，2月5日自相关图第31页，共52页，星期日，2025年，2月5日偏自相关图第32页，共52页，星期日，2025年，2月5日建模定阶ARIMA((1,4),1,0)参数估计模型检验模型显著参数显著第33页，共52页，星期日，2025年，2月5日季节模型简单季节模型乘积季节模型第34页，共52页，星期日，2025年，2月5日简单季节模型简单季节模型是指序列中的季节效应和其它效应之间是加法关系简单季节模型通过简单的趋势差分、季节差分之后序列即可转化为平稳，它的模型结构通常如下第35页，共52页，星期日，2025年，2月5日例3.9拟合1962——1991年德国工人季度失业率序列第36页，共52页，星期日，2025年，2月5日差分平稳对原序列作一阶差分消除趋势，再作4步差分消除季节效应的影响，差分后序列的时序图如下第37页，共52页，星期日，2025年，2月5日第三章非平稳序列的随机分析第1页，共52页，星期日，2025年，2月5日本章结构差分运算ARIMA模型Auto-Regressive模型异方差的性质方差齐性变化条件异方差模型第2页，共52页，星期日，2025年，2月5日3.1差分运算差分运算的实质差分方式的选择过差分第3页，共52页，星期日，2025年，2月5日差分运算的实质差分方法是一种非常简便、有效的确定性信息提取方法Cramer分解定理在理论上保证了适当阶数的差分一定可以充分提取确定性信息差分运算的实质是使用自回归的方式提取确定性信息第4页，共52页，星期日，2025年，2月5日差分方式的选择序列蕴含着显著的线性趋势，一阶差分就可以实现趋势平稳序列蕴含着曲线趋势，通常低阶（二阶或三阶）差分就可以提取出曲线趋势的影响对于蕴含着固定周期的序列进行步长为周期长度的差分运算，通常可以较好地提取周期信息第5页，共52页，星期日，2025年，2月5日例3.1【例3.1】1964年——1999年中国纱年产量序列蕴含着一个近似线性的递增趋势。对该序列进行一阶差分运算考察差分运算对该序列线性趋势信息的提取作用第6页，共52页，星期日，2025年，2月5日差分前后时序图原序列时序图差分后序列时序图第7页，共52页，星期日，2025年，2月5日例3.2尝试提取1950年——1999年北京市民用车辆拥有量序列的确定性信息第8页，共52页，星期日，2025年，2月5日差分后序列时序图一阶差分二阶差分第9页，共52页，星期日，2025年，2月5日例3.3差分运算提取1962年1月——1975年12月平均每头奶牛的月产奶量序列中的确定性信息第10页，共52页，星期日，2025年，2月5日差分后序列时序图一阶差分1阶－12步差分第11页，共52页，星期日，2025年，2月5日过差分足够多次的差分运算可以充分地提取原序列中的非平稳确定性信息但过度的差分会造成有用信息的浪费第12页，共52页，星期日，2025年，2月5日例3.4假设序列如下考察一阶差分后序列和二阶差分序列的平稳性与方差第13页，共52页，星期日，2025年，2月5日比较一阶差分平稳方差小二阶差分（过差分）平稳方差大第14页，共52页，星期日，2025年，2月5日3.2ARIMA模型ARIMA模型结构ARIMA模型性质ARIMA模型建模ARIMA模型预测疏系数模型季节模型第15页，共52页，星期日，2025年，2月5日ARIMA模型结构使用场合差分平稳序列拟合模型结构第16页，共52页，星期日，2025年，2月5日ARIMA模型族d=0ARIMA(p,d,q)=ARMA(p,q)P=0ARIMA(P,d,q)=IMA(d,q)q=0ARIMA(P,d,q)=ARI(p,d)d=1,P=q=0ARIMA(P,d,q)=randomwalkmodel第17页，共52页，星期日，2025年，2月5日ARIMA模型建模步骤获得观察值序列平稳性检验差分运算YN白噪声检验Y分析结束N拟合ARMA模型第18页，共52页，星期日，2025年，2月5日例3.6对1952年——1988年中国农业实际国民收入指数序列建模第19页，共52页，星期日，2025年，2月5日一阶差分