平稳时间序列预测课件.pptVIP

(3)向前l步預測公式(lp，且lq)由推導可以看出，對於ARMA(p,q)模型的向前l步預測(lp，且lq)，預測結果滿足如下差分方程：（預測值解的一般形式參見課本P134）由解的一般形式可以看出，對於ARMA(p,q)模型，自回歸部分決定了預測函數的形式，而滑動平均部分則用於確定預測函數中的係數。預測舉例：例1：利用對zl14所建立的模型進行預測。先對原序列零均值化，然後建模如下：已知：解：同理：當時，預測值滿由模型自回歸部分決定的差分方程：解此差分方程即可求出預測函數。前已證明，條件期望預測與最小均方誤預測是一致的，因此，預測誤差和誤差方差也是相同的。因此，條件期望的預測誤差為：四、ARMA(p,q)條件期望預測的置信區間預測誤差的方差為：其中：l=1時的預測誤差為：於是有：可見ARMA模型中白雜訊項at其實就是以xt-1為原點，向前一步預測誤差。預測誤差和白雜訊項的關係：再由預測誤差方差的公式得：可見：向前一步預測誤差的方差其實就是白雜訊項的方差。預測誤差的置信區間：對於正態過程，預測誤差的分佈為：所以：對xt+l預測的95%的置信區間為：因此：根據預測置信區間的公式得：可見：隨著預測步長的加大，預測誤差的置信區間也越大，預測結果越不准確。例1：zl14磨輪剖面數據，所建模型如下：於是以t=250為原點，向前一步、二步、三步預測的95%的置信區間分別為：所以對於原序列，以t=250為原點向前一步，二步、三步的預測分別為：例2.對ARMA21.wf1檔中的序列x建模如下：已知：模型的剩餘平方和為260.04。（1）求預測值解：a250未知，故需先將其求出。由已知數據得：同理：因此：（2）求預測值的95%的置信區間：由ARMA(2,1)模型的格林函數得：所以預測值的95%的置信區間為：在Eviews中利用ARMA模型進行預測。（1）Eviews中進行預測時的兩個選項。Dynamic—動態預測。（含義）Static—一步超前預測。（含義）對於ARMA模型：若對序列進行擬合分析(即追溯預測)，則選static。若向前l步預測，則要選dynamic，並且要先對工作區間、樣本區間進行調整如下：(1)expand@firstt+l(2)smplt+1t+l具體操作見演示。(2)通過Eviews計算預測置信區間。*

平穩時間序列預測第一節平穩時間序列預測的概念一、最小均方誤差預測概念

二、平穩ARMA模型最小均方誤預測的推導

第二節最小均方誤預測(正交投影預測)一、最小均方誤差預測概念（若預測函數是線性的，則稱線性最小均方誤預測）二、平穩ARMA模型最小均方誤預測的推導由於預測只能建立在到t時刻為止的可用資訊的基礎上，因此，根據最小均方誤預測的第二個準則，以及平穩可逆序列可以表示成傳遞函數形式的論斷，可以將預測值表示成能夠估計的項at，at-1，……，的加權和的形式：由上得以t為原點，向前l步的預測誤差為：由於at是白雜訊，故有：因此可得xt+l的最小均方誤預測為：預測誤差為：誤差方差為：由上推導可知，（1）最小均方誤預測誤差的方差和預測步長l有關，而和預測的時間原點無關。（2）預測步長l越大，預測誤差的方差也越大，即預測的準確性越差。上述最小均方誤預測公式中包含有無窮項求和，而在實際中我們只可能有有限的數據，因此，只能用充分多項的有窮和近似，即：第三節條件期望預測一、條件期望預測的一般公式二、用條件期望進行預測三、ARMA(p,q)模型條件期望預測的一般結果四、ARMA(p,q)條件期望預測的置信區間一、條件期望預測的一般公式用公式表示如下：有關xt和at的條件期望有如下性質：由於：利用條件期望的性質，對上式兩端求條件期望，得xt+l的條件期望預測為：可見，xt+l的條件期望預測和它的最小均方誤預測是一致的。二、用條件期望進行預測1.AR(1)模型的條件期望預測(參見P130)設xt適合如下AR(1)模型:(1)以t為原點，向前一步預測公式(l=1)(2)向前二步預測公式(l=2)(3)向前l步預測公式(l≥2)由上推導可見，對於l0，條件期望預測值滿足如下差分方程：2、AR(2)模型的條件期望預測設xt適合如下AR(2)模型:(1)以t為原點，向前一步預測公式(l=1)(2)向前二步預測公式(l=2)(3)向前l步預測公式(l≥3)可見，當l1時，AR(2)預測值可