FINTS第四章线性ARMA模型(.pptxVIP

线性ARMA模型(2)金融时间序列分析·第四章·第二讲

Contents本讲内容概览从ARMA模型基础出发，经平稳性与可逆性分析，走向模型识别与金融实证应用。01ARMA模型回顾与基本性质02平稳性条件与可逆性分析03模型识别、参数估计与诊断04金融时间序列应用实例

Chapter01ARMA模型回顾与基本性质从AR、MA到ARMA：构建时间序列线性模型的理论基石

TimeSeries·AutoRegressive自回归模型AR(p)的定义与性质AR(p)模型通过序列自身过去p期的观测值线性组合来预测当前值，其平稳性取决于特征方程的根是否位于单位圆外，且PACF在p阶后截尾是识别AR模型阶数的关键判据。01AR(p)公式X?=φ?X???+φ?X???+…+φ?X???+ε?，其中ε?为白噪声，φ?为自回归系数，反映历史值对当前值的影响强度。该线性递推结构体现了时间序列的记忆特性，是建模随机过程的基础框架。X?=Σφ?X???+ε?02平稳性条件特征方程1?φ?z?φ?z2?…?φ?z?=0的所有根必须位于单位圆外（|z|1），否则序列发散不收敛。平稳性保证序列的统计特性（均值、方差）不随时间变化，是进行预测和推断的前提条件。|z|103自相关特征ACF呈指数衰减或阻尼正弦波拖尾形态，PA