FINTS第四章线性ARMA模型

FINTS第四章线性ARMA模型

ID:39326897

大小:452.60 KB

页数:123页

时间:2019-06-30

FINTS第四章线性ARMA模型_第1页
FINTS第四章线性ARMA模型_第2页
FINTS第四章线性ARMA模型_第3页
FINTS第四章线性ARMA模型_第4页
FINTS第四章线性ARMA模型_第5页
资源描述:

《FINTS第四章线性ARMA模型》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第四章:线性时间序列分析及其应用学习目标●简单滑动平均(MA)模型●简单自回归(AR)模型●混合自回归滑动平均(ARMA)模型平稳时间序列几个重要的平稳过程和模型白噪声过程MA过程AR过程ARMA过程平稳过程的参数自协方差和自相关函数偏自相关函数4.1白噪声和线性时间序列随机过程满足1)E(t)=0,对所有t2)E(t2)=2对所有t3)E(ts)=0,对任意ts,或Cov(t,s)=0弱白噪声随机过程(Weaklywhitenoiseprocess),简称白噪声。记为{t}~WN(0,2)白噪声过程4)不同时刻随机变量是相互独立的随机变量,并且同分布称为独立白噪声,记为

2、{t}~I.I.D(0,2)如果再增加一个条件5)服从正态分布该过程为高斯白噪声(Gaussianwhitenoiseprocess)。线性时间序列时间序列{rt}称为线性时间序列,如果它能表示成当前和过去白噪声序列的加权线性组合,即这里,为白噪声也表示时间序列在t时刻出现了的新的信息,即称为时刻t的新信息(innovation)(4.1)称为的权重若是平稳的,利用的独立性,我们容易得到其中是的方差。由于所以必须是收敛序列,即当时的间隔为的自协方差为因此,权重与的自相关系数有如下关系:其中,对若平稳序列而言,当时从而随着的增加收敛到04.2MA模型4.2.1MA模型介绍当(4.1)仅仅有

3、有限个权重为非零时,我们称之为滑动平均过程,即(4.2)我们称(4.2)为MA(q)模型或者q阶滑动平均模型.其中t是白噪声过程.这里,和i,i=1,2,…q称为参数或系数。注:q0滑动平均模型1-阶滑动平均模型其中t是白噪声过程.(4.2-1)和为参数或系数。表达式(4.2-1)是1-阶滑动平均模型,{rt}是1-阶滑动平均过程。用MA(1)表示例如rt=0.1+t+0.3t-1MA(1)另一种表达方式本质是一个只包括常数项的回归模型,但残差存在自相关。容易知道MA(1)存在一阶自相关。q-阶滑动平均模型和过程下面是几个MA模型Yt=0.1+t+0.2t-1+0.1

4、t-2Yt=0.1+t+0.3t-1+0.21t-2-0.1t-3Yt=0.1+t+0.3t-44.2-2MA模型的性质MA(1)模型MA(q)模型自相关函数MA(1)模型:为简单起见,假定对两端乘以,我们有当时,注意到我们有MA(1)模型在间隔为1以后的是截尾的MA(2)模型自协方差函数自相关系数是MA(2)模型在间隔为2以后的是截尾的MA(q)模型自相关系数MA(q)模型在间隔为q步以后的是截尾的,MA(q)模型具有有限记忆性MA过程ACF图基本结论MA(q)过程的自相关函数q步截尾练习题1.证明MA(q)过程自相关函数应满足的关系式2.计算的自相关函数。4.2-3识别MA

5、模型的阶自相关函数是识别MA模型的阶的有用工具。如果时间序列具有自相关函数,若,但对有,则服从一个MA(q)模型4.2-4用MA模型预测MA(1)过程的向前一步预测,由模型知取条件期望我们有向前一步预测误差的方差为MA(1)过程的向前二步预测,由模型知我们有向前二步预测误差的方差为上面的结果表明MA(1)的向前两步预测即是模型的无条件均值类似地对MA(2)模型,我们有这样,MA(2)模型的向前两步以后的预测即达到序列的均值一般地,对于一个MA(q)模型,向前q步以后的预测就达到了模型的均值4.3自回归模型AutoregressiveModel其中{t}是白噪声过程。,表达式(4.3)是P-

6、阶自回归模型{rt}为p-阶自回归过程,表示为AR(p)是未知参数或系数。(4.3)AR(1)过程(4.3-1)因方差非负,要求(4.3-1)定义的AR(1)模型是平稳的充分必要条件是在平稳性条件下注意到与独立,(4.3-2)AR(1)模型的自相关函数进一步有递推式:因,故这个性质表明弱平稳AR(1)序列的自相关函数从开始以比率为的指数速度衰减。由(4.3-2),我们有自协方差函数自相关函数AR(1)参数t=0.1+0.5t-1+tt=0.1-0.5t-1+t=0.1/(1-0.5)=0.2=0.1/(1+0.5)j=0.5jj=(-0.5)jAR(2)模型两边乘以导致自

7、相关协方差函数满足这个结果称为平稳AR(2)模型的矩方程均值函数满足利用AR(2)模型可以写为上面的结果表明平稳AR(2)序列的ACF满足二阶差分方程其中,B是向后推移(延迟,滞后)算子,即平稳AR(2)模型的自相关系数函数满足有时用L表示延迟算子,如与前面的差分方程对应的是二次(特征)多项式时间序列文献中称这两个解的倒数为AR(2)模型的特征根这个方程的解是平稳性:AR(2)时间序列的平稳性条件是它的两个特

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。