隨機時間序列分析

隨機時間序列分析

ID:12556793

大?。?7.50 KB

頁數(shù):4頁

時間:2018-07-17

隨機時間序列分析_第1頁
隨機時間序列分析_第2頁
隨機時間序列分析_第3頁
隨機時間序列分析_第4頁
資源描述:

《隨機時間序列分析》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、7隨機時間序列分析一.隨機時間序列隨機過程與隨機序列時間序列的性質(zhì)(1)隨機過程與隨機序列隨機序列的現(xiàn)實對于一個隨機序列,一般只能通過記錄或統(tǒng)計得到一個它的樣本序列x1,x2,??????,xn,稱它為隨機序列{xt}的一個現(xiàn)實隨機序列的現(xiàn)實是一族非隨機的普通數(shù)列(2)時間序列的統(tǒng)計性質(zhì)(特征量)均值函數(shù):某個時刻t的性質(zhì)時間序列的統(tǒng)計性質(zhì)自協(xié)方差函數(shù):兩個時刻t和s的統(tǒng)計性質(zhì)時間序列的統(tǒng)計性質(zhì)自相關(guān)函數(shù)二.平穩(wěn)時間序列模型所謂平穩(wěn)時間序列是指時間序列{xt,t=0,±1,±2,??????}對任意整數(shù)t,,且滿足以下條件:對任意t,均

2、值恒為常數(shù)對任意整數(shù)t和k,rt,t+k只和k有關(guān)隨機序列的特征量隨時間而變化,稱為非平穩(wěn)序列平穩(wěn)序列的特性方差自相關(guān)函數(shù):自相關(guān)函數(shù)的估計平穩(wěn)序列的判斷一類特殊的平穩(wěn)序列――白噪聲序列隨機序列{xt}對任何xt和xt都不相關(guān),且均值為零,方差為有限常數(shù)正態(tài)白噪聲序列:白噪聲序列,且服從正態(tài)分布2.隨機時間序列模型自回歸模型(AR)移動平均模型(MA)自回歸―移動平均模型(ARMA)(1)自回歸模型及其性質(zhì)定義平穩(wěn)條件自相關(guān)函數(shù)偏自相關(guān)函數(shù)滯后算子形式①自回歸模型的定義描述序列{xt}某一時刻t和前p個時刻序列值之間的相互關(guān)系隨機序列{

3、εt}是白噪聲且和前時刻序列xk(k

4、型的定義在序列{xt}中,xt表示為若干個白噪聲的加權(quán)平均和其中{εt}是白噪聲序列,這樣的模型稱為q階移動平均模型,計為MA(q)②MA(1)的自相關(guān)函數(shù)MA(q)的自相關(guān)函數(shù)舉例③滯后算子形式AR(p)與MR(q)的比較(3)自回歸移動平均模型定義性質(zhì)滯后算子形式①自回歸移動平均模型自回歸模型與移動平均模型的綜合②ARMA(p,q)的性質(zhì)ARMA(p,q)兼有AR(p)和ARMA(q)的性質(zhì)平穩(wěn)條件:與AR(p)相同,與MA無關(guān)ARMA(1,1)平穩(wěn)條件ARMA(1,1)的自相關(guān)函數(shù)ARMA(1,1)的自相關(guān)函數(shù)③滯后算子形式性質(zhì)總

5、結(jié)三.時間序列模型的估計和預(yù)測模型識別與參數(shù)估計時間序列預(yù)測1.模型識別與參數(shù)估計模型識別參數(shù)估計階數(shù)的確定模型檢驗(1)模型識別自相關(guān)函數(shù)截尾――MA(q)自相關(guān)函數(shù)拖尾偏自相關(guān)函數(shù)截尾――AR(p)偏自相關(guān)函數(shù)拖尾――ARMA(p,q)(2)模型參數(shù)估計AR(p)的最小二乘估計ARMA(p,q)的最小二乘估計①AR(p)的最小二乘估計②ARMA(p,q)的最小二乘估計(3)模型階數(shù)的確定――MA(q)或AR(p)自相關(guān)函數(shù)的截尾偏自相關(guān)函數(shù)的截尾模型階數(shù)的確定――ARMA(p,q)AIC準則(Akaikeinfocriterion)

6、ARMA(n,n-1)模型在確定平穩(wěn)隨機時間序列的階數(shù)時,可以優(yōu)先考慮ARMA(n,n-1)模型,比如從ARMA(2,1)試起,若擬合不好,考慮用ARMA(3,2),以此類推原因:用Hilbert空間算子形式的基本原理可以證明,對于任何平穩(wěn)隨機系統(tǒng),可以用一個ARMA(n,n-1)近似到想要表達的程度用差分方程的理論也可以證明,對于n階自回歸,MA的階數(shù)為n-1(4)模型的檢驗2.時間序列模型預(yù)測AR(1)時間序列模型預(yù)測MA(1)時間序列模型預(yù)測ARMA(1,1)四.非平穩(wěn)時間序列與協(xié)整單整虛假回歸協(xié)整誤差修正模型非平穩(wěn)時間序列舉例隨

7、機游走隨機游走序列的方差無窮大(1)單整差分:用變量的當期值減去其滯后值而得到新序列的方法單整:若一個非平穩(wěn)的時間序列必須經(jīng)過d次差分之后才能變換成一個平穩(wěn)的ARMA時間序列,則稱具有d階單整性。記作單整性也稱齊次非平穩(wěn)性單整自回歸移動平均模型隨機時間序列經(jīng)過d次差分后變換成一個p階自回歸、q階移動平均的平穩(wěn)序列,則稱為單整自回歸移動平均序列,記作ARIMA(p,d,q)也稱為d階齊次非平穩(wěn)時間序列,求和自回歸移動平均序列,或綜合自回歸移動平均序列,或單積自回歸移動平均序列(2)虛假回歸兩個相互獨立的非平穩(wěn)序列,如對和的一個現(xiàn)實,作如下

8、一元線性回歸:和相互獨立,因此應(yīng)該有但如果假設(shè)檢驗的結(jié)果是,即T檢驗顯著,這就是虛假回歸問題。虛假回歸的原因當兩個相互獨立的I(1)序列進行回歸時,回歸系數(shù)的t統(tǒng)計量不服從通常意義的t分布,而是發(fā)散的(服從

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。