线性平衡序列自协方差函数的渐近分布.docxVIP

线性平衡序列自协方差函数的渐近分布

线性平衡序列自协方差函数的渐近分布

一、基本定义与背景

线性平衡序列是一类具有特殊结构的时间序列，其核心特征在于序列的线性组合满足某种平衡条件，通常表现为序列的均值、趋势或高阶矩具有对称或抵消的特性。设线性平衡序列\{X_t\}可表示为X_t=\sum_{j=-\infty}^{\infty}\psi_j\epsilon_{t-j}，其中\{\epsilon_t\}为白噪声序列，满足E(\epsilon_t)=0，Var(\epsilon_t)=\sigma^2，且\sum_{j=-\infty}^{\infty}|\psi_j|\infty，这一条件保证了序列的平稳性。

自协方差函数是描述时间序列相关性的核心工具，对于滞后k的自协方差函数，定义为\gamma(k)=E[(X_t-\mu)(X_{t+k}-\mu)]，其中\mu=E(X_t)为序列的均值。在实际应用中，我们通常通过样本数据估计自协方差函数，样本自协方差函数定义为\hat{\gamma}(k)=\frac{1}{n}\sum_{t=1}^{n-k}(X_t-\bar{X})(X_{t+k}-\bar{X})，其中\bar{X}为样本均值，n为样本量。

二、渐近分布的推导基础

线性平衡序列的“平衡”特性会对自协方差函数的渐近行为产生关