FINTS第四章线性ARMA模型.pptxVIP

FINTS第四章线性ARMA模型金融时间序列分析·自回归与滑动平均模型的理论、估计与应用

Contents本章内容概览线性ARMA模型的理论框架、估计方法与实战应用01时间序列基础与平稳性02自回归（AR）模型03滑动平均（MA）模型04ARMA模型的理论与性质05模型估计、诊断与实战应用

Chapter01时间序列基础与平稳性理解时间序列数据的本质特征与平稳性假设的数学含义

LINEARARMAMODEL时间序列的定义与基本特征时间序列是按时间顺序排列的随机变量观测值序列，其核心特征在于数据点之间存在时间依赖性（自相关性），这种依赖性既是时间序列分析的挑战，也是ARMA等模型建模的基础。金融时间序列的典型走势形态定义与范畴：时间序列{Xt}定义为一族按时间指标t排列的随机变量，金融中常见日收益率、月度价格等离散观测序列自相关性：时间序列最本质的特征——当前观测值Xt与历史值Xt-1、Xt-2等存在统计依赖关系序列分解：通常可分解为趋势成分、季节性成分和随机波动成分，ARMA模型主要建模去趋势后的平稳分量金融特性：还表现出波动聚集（volatilityclustering）和尖峰厚尾（leptokurtic）等特有统计现象

Stationarity平稳性的定义与数学条件弱平稳性（协方差平稳）是ARMA建模的核心前提：要求序列均值恒定、方差有限且自协