季节性时间序列模型.ppt

非平稳和季节时间序列模型分析方法;§8.1ARIMA模型的分析方法

;式(8.1)可以简记为：

式中，为零均值白噪声序列。

由式(8.2)显而易见，ARIMA模型的实质就是差分运算与ARMA模型的组合。这一关系意义重大，这说明任何非平稳序列只要通过适当阶数的差分运算实现差分后平稳，就可以对差分后序列进行ARMA模型拟合了。而ARMA模型的分析方法非常成熟，这意味着对差分平稳序列的分析也将是非常简单、非常可靠的了。;例如，设ARIMA(1,1,1)模型

图8.1是给出的ARIMA(1,1,1)模型一个模拟数据，样本容量为200，可以看出时间趋势是非常明显的。图8.2是经过一阶差分得到的数据。经过一阶差分我们看到下降的时间趋势被去掉，新的序列看起来是平稳的。;上海财经大学统计与管理学院;求和自回归移动平均模型这个名字的由来是因为阶差分后序列可以表示为：

式中，即差分后序列等于原序

列的若干序列值的加权和，而对它又可以拟合自回归移动平均(ARMA)模型，所以称它为求和自回归移动平均模型。;特别地，

当d=0时，ARIMA(p,d,q)模型实际上就是ARMA(p,q)模型；

当p=0时，ARIMA(o,d,q)模型可以简记为IAM(d,q)模型；

当q=0时，ARIMA(p,d,0)模型可以简记为ARI(p,d)模型.

当d=1,p