资源描述：
《时间序列建模的基本步骤.docx》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、。时间序列建模的基本步骤1．数据的预处理：数据的剔取及提取趋势项。2．取n=1，拟合ARMA(2n,2n1)（即ARMA(2,1)）模型（1）p3，拟和AR(p)模型。设所要拟合的模型为Xt1Xt12Xt23Xt3at，用最小二乘法拟合出系数1,2,3。注意到对于AR(p)模型，jIj，这里Ij是模型的逆函数，于是可得到I1,I2,I3的值。（2）估计ARMA(2,1)模型Xt1Xt12Xt2at1at1参数的初始值。对于ARMA(2,1)模型，我们有：IjIj10,j2，于是I3I201I3。I
2、2注意：以AR(3)中的I1,I2,I3替代ARMA(2,1)中的I1,I2,I3是一种近似代替。通过这种方法求得的1的绝对值若大于1，则取其倒数作为初始值，以满足可逆性条件。知道了I1,I2,I3及1，再用下式来确定ARMA(2,1)模型中的1,2：1I11；221I1I2。（3）以（2）中得到的1,2,1为初始值，利用非线性最小二乘法得到。1。1,2,1的终值及置信区间，并且求出残差平方和(RSS)。3．nn1，拟合ARMA(2n,2n1)模型其基本步骤与2类似。．用F准则检验模型的适用性。若
3、F检验显著，则转入第2步。若F检验不显著，转入第5步。对于ARMA模型的适用性检验的实际就是对at的独立性检验。检验at的独立性的一个简便而有效的办法是拟合更高阶的模型。若更高阶模型的残差平方和有明显减少，就意味着现有模型的at不是独立的，因而模型不适用；若更高阶模型的残差平方和没有明显减少，同时更高阶模型中的附加参数的值也很小（其置信区间包含0），则可认为该模型是适用的。具体的检验准则如下。设有模型AR(n1M,m1)A和ARMA(n2,m2)，n2n1,m2m1。假设A0ARMA(n1,m1)
4、模型的残差at之平方和，AARMA(n,m)模型的残差at之平方和，N是采集数据的数目，则检验122准则为：FA1A0A0~F(s,N)，sN其中n2m2，sn2m2(n1m1)。若这样得到的F值超过由F分布查表所得的在5%置信水平上的F(s,N)值，那么由ARMA(n1,m1)模型改变为ARMA(n2,m2)时，残差平方和的改善是显著。2。的，因而拒绝关于模型ARMA(n1,m1)的适用性假设；F值低于查表所得之值，就可以认为在该置信水平上这个模型是适用的。5．检查2n,2n1的值是否很小，其置
5、信区间是否包含零。若不是，则适用的模型就是ARMA(2n,2n1)。若2n,2n1很小，且其置信区间包含零，则拟合ARMA(2n1,2n2)。6．利用F准则检验模型ARMA(2n,2n1)和ARMA(2n1,2n2)，若F值不显著，转入第7步；若F值显著，转入第8步。7．舍弃小的MA参数，拟合m2n2的模型ARMA(2n1,m)，并用F准则进行检验。重复这一过程，直到得出具有最小参数的适用模型为止。8．舍弃小的MA参数，拟合m2n1的模型ARMA(2n,m)，并用F准则进行检验。重复这一过程，直到
6、得出具有最小参数的适用模型为止。。3。欢迎您的下载，资料仅供参考！致力为企业和个人提供合同协议，策划案计划书，学习资料等等打造全网一站式需求。4
