时间序列分析.pptxVIP

第一章时间序列分析简介

第二章时间序列的预处理

第三章平稳时间序列分析

第四章非平稳序列的确定性分析

第五章非平稳序列的随机分析;第一章;1.1引言;1.2时间序列的定义;1.3时间序列分析方法;描述性时序分析;描述性时序分析案例;统计时序分析;频域分析方法;时域分析方法;时域分析方法的分析步骤;1.4时间序列分析软件;第二章;2.1平稳性检验;概率分布;特征统计量;平稳时间序列的定义;平稳时间序列的统计定义;严平稳与宽平稳的关系;平稳时间序列的统计性质;平稳时间序列的意义;平稳性的检验（图检验方法）;例题;例2.1时序图;例2.1自相关图;例2.2

检验1962年1月——1975年12月平均每头奶牛月产奶量序列的平稳性

;例2.2时序图;例2.2自相关图;例2.3

检验1949年——1998年北京市每年最高气温序列的平稳性

;例2.3时序图;例2.3自相关图;2.2纯随机性检验;纯随机序列的定义;标准正态白噪声序列时序图;白噪声序列的性质;纯随机性检验;Barlett定理;假设条件;检验统计量;判别原则;例2.4：

标准正态白噪声序列纯随机性检验;检验结果;例2.5;例2.5时序图;例2.5自相关图;例2.5白噪声检验结果;第三章;3.1方法性工具;差分运算;延迟算子;延迟算子的性质;用延迟算子表示差分运算;线性差分方程;齐次线性差分方程的解;非齐次线性差分方程的解;3.2ARMA模型的性质;AR模型的定义;AR(P)序列中心化变换;自回归系数多项式;自回归模型平稳的充分必要条件是：

的根在单位圆外；

或者

的根在单位圆内;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;例3.1非平稳序列时序图;例3.1平稳性判别;平稳AR模型的统计性质;均值;Green函数定义;Green函数递推公式;方差;例3.2:求平稳AR(1)模型的方差;协方差函数;例3.3:求平稳AR(1)模型的协方差;例3.4:求平稳AR(2)模型的协方差;自相关系数;常用AR模型自相关系数递推公式;AR模型自相关系数的性质;例3.5:考察如下AR模型的自相关图;例3.5—;例3.5:—;例3.5:—;例3.5:—;偏自相关系数;偏自相关系数的计算P55;偏自相关系数的截尾性;例3.5续:考察如下AR模型的偏自相关图;例3.5—;例3.5:—;例3.5:—;例3.5:—;MA模型的定义;移动平均系数多项式;MA模型的统计性质;MA模型的统计性质;常用MA模型的自相关系数;MA模型的统计性质;例3.6:考察如下MA模型的相关性质;MA模型的自相关系数截尾;MA模型的自相关系数截尾;MA模型的偏自相关系数拖尾;MA模型的偏自相关系数拖尾;MA模型的可逆性;可逆的定义;可逆MA(1)模型;MA模型的可逆条件;逆函数的递推公式;例3.6续:考察如下MA模型的可逆性;(1)—(2);(3)—(4);ARMA模型的定义;系数多项式;平稳条件与可逆条件;传递形式与逆转形式;ARMA(p,q)模型的统计性质;ARMA模型的相关性;例3.7:考察ARMA模型的相关性;自相关系数和偏自相关系数拖尾性;ARMA模型相关性特征;3.3平稳序列建模;建模步骤;计算样本相关系数;;模型识别;模型定阶的困难;样本相关系数的近似分布;模型定阶经验方法;例2.5续;序列自相关图;拟合模型识别;序列偏自相关图;偏自相关图显示除了延迟1阶的偏自相关系数显著大于2倍标准差之外，其它的偏自相关系数都在2倍标准差范围内作小值随机波动，而且由非零相关系数衰减为小值波动的过程非常突然，所以该偏自相关系数可视为一阶截尾

所以可以考虑拟合模型为AR(1)

;例3.8;序列自相关图;序列偏自相关图;拟合模型识别;例3.9;序列自相关图;序列偏自相关图;拟合模型识别;参数估计;矩估计;例3.10:求AR(2)模型系数的矩估计;例3.11:求MA(1)模型系数的矩估计;例3.12:求ARMA(1,1)模型系数的矩估计;极大似然估计;模型检验;模型的显著性检验;假设条件;检验统计量;例2.5续;参数显著性检验;例2.5续;例3.8续:对OVERSHORTS序列的拟合模型进行检验;例3.9续:对1880-1985全球气表平均温度改变值差分序列拟合模型进行检验;模型优化;例3.13:拟合某一化学序列;序列自相关图;序列偏自相关图;拟合模型一;拟合模型二;问题;AIC准则;SBC准则;例3.13续;序列预测P88;AR(p)序列的预测;例3.14;例3.14解：预测值计算;例3.14解：预测方差的计算;例3.14解：置信区间;例2.5:北京市城