時(shí)間序列中的ARMA模型.ppt

時(shí)間序列中的ARMA模型.ppt

ID:58371723

大小:537.01 KB

頁數(shù):38頁

時(shí)間:2020-09-07

時(shí)間序列中的ARMA模型.ppt_第1頁
時(shí)間序列中的ARMA模型.ppt_第2頁
時(shí)間序列中的ARMA模型.ppt_第3頁
時(shí)間序列中的ARMA模型.ppt_第4頁
時(shí)間序列中的ARMA模型.ppt_第5頁
資源描述:

《時(shí)間序列中的ARMA模型.ppt》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、ARMA模型的概念和構(gòu)造1一、ARIMA模型的基本內(nèi)涵一、ARMA模型的概念自回歸移動(dòng)平均模型(autoregressivemovingaveragemodels,簡記為ARMA模型),由因變量對(duì)它的滯后值以及隨機(jī)誤差項(xiàng)的現(xiàn)值和滯后值回歸得到。包括移動(dòng)平均過程(MA)、自回歸過程(AR)、自回歸移動(dòng)平均過程(ARMA)。2ARIMA模型的概念一.移動(dòng)平均過程1.移動(dòng)平均(MA)過程的表示:其中u為常數(shù)項(xiàng),為白噪音過程引入滯后算子L,原式可以寫成:或者3ARIMA模型的概念2.MA(q)過程的特征1.2.3.自協(xié)方差①當(dāng)k>q時(shí)=0②

2、當(dāng)k

3、MA模型的概念三.自回歸移動(dòng)平均(ARMA)過程1.ARMA過程的形式其中為白噪音過程。若引入滯后算子,可以寫成其中9ARIMA模型的概念2.ARMA過程平穩(wěn)性的條件ARMA過程的平穩(wěn)性取決于它的自回歸部分。當(dāng)滿足條件:特征方程的根全部落在單位圓以外時(shí),ARMA(p,q)是一個(gè)平穩(wěn)過程。10ARIMA模型的概念3.ARMA(p,q)過程的特征1)2)ARMA(p,q)過程的方差和協(xié)方差11ARIMA模型的概念四.AR、MA過程的相互轉(zhuǎn)化結(jié)論一:平穩(wěn)的AR(p)過程可以轉(zhuǎn)化為一個(gè)MA(∞)過程,可采用遞歸迭代法完成轉(zhuǎn)化結(jié)論二:特征方程

4、根都落在單位圓外的MA(q)過程具有可逆性平穩(wěn)性和可逆性的概念在數(shù)學(xué)語言上是完全等價(jià)的,所不同的是,前者是對(duì)AR過程而言的,而后者是對(duì)MA過程而言的。12二、Box-Jenkins方法論建立回歸模型時(shí),應(yīng)遵循節(jié)儉性(parsimony)的原則博克斯和詹金斯(BoxandJenkins)提出了在節(jié)儉性原則下建立ARMA模型的系統(tǒng)方法論,即Box-Jenkins方法論13Box-Jenkins方法論Box-Jenkins方法論的步驟:步驟1:模型識(shí)別步驟2:模型估計(jì)步驟3:模型的診斷檢驗(yàn)步驟4:模型預(yù)測14三、ARMA模型的識(shí)別、估計(jì)、

5、診斷、預(yù)測(一).ARMA模型的識(shí)別1.識(shí)別ARMA模型的兩個(gè)工具:自相關(guān)函數(shù)(autocorrelationfunction,簡記為ACF);偏自相關(guān)函數(shù)(partialautocorrelationfunction,簡記為PACF)以及它們各自的相關(guān)圖(即ACF、PACF相對(duì)于滯后長度描圖)。15ARMA模型的識(shí)別2.自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的概念①自相關(guān)函數(shù)過程的第j階自相關(guān)系數(shù)即,自相關(guān)函數(shù)記為ACF(j)。②偏自相關(guān)函數(shù)偏自相關(guān)系數(shù)度量了消除中間滯后項(xiàng)影響后兩滯后變量之間的相關(guān)關(guān)系。偏自相關(guān)函數(shù)記為PACF(j)16ARM

6、A模型的識(shí)別③自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的聯(lián)系2階以上的偏自相關(guān)函數(shù)計(jì)算公式較為復(fù)雜,這里不再給出。17ARMA模型的識(shí)別2.MA、AR、ARMA過程自相關(guān)函數(shù)及偏自相關(guān)函數(shù)的特點(diǎn)⑴MA(q)過程的自相關(guān)函數(shù)1≤j≤qj>q時(shí),ACF(j)=0,此現(xiàn)象為截尾,是MA(q)過程的一個(gè)特征如下圖:18ARMA模型的識(shí)別MA(2)過程19ARMA模型的識(shí)別⑵AR(p)過程的偏自相關(guān)函數(shù)時(shí),偏自相關(guān)函數(shù)的取值不為0時(shí),偏自相關(guān)函數(shù)的取值為0AR(p)過程的偏自相關(guān)函數(shù)p階截尾如下圖:20ARMA模型的識(shí)別21ARMA模型的識(shí)別22ARMA模型

7、的識(shí)別⑶AR(p)過程的自相關(guān)函數(shù)以及MA(q)過程的偏自相關(guān)函數(shù)平穩(wěn)的AR(P)過程可以轉(zhuǎn)化為一個(gè)MA(∞)過程,則AR(P)過程的自相關(guān)函數(shù)是拖尾的一個(gè)可逆的MA(q)過程可轉(zhuǎn)化為一個(gè)AR(∞)過程,因此其偏自相關(guān)函數(shù)是拖尾的。23ARMA模型的識(shí)別⑷ARMA(p,q)過程的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)ARMA過程的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)都是拖尾的如下圖:24ARIMA模型的識(shí)別25ARMA模型的識(shí)別3.利用自相關(guān)函數(shù)、偏自相關(guān)函數(shù)對(duì)ARMA模型進(jìn)行識(shí)別⑴通過ADF檢驗(yàn),來判斷序列過程的平穩(wěn)性;⑵利用自相關(guān)函數(shù)、偏自相關(guān)函數(shù)以及它

8、們的圖形來確定p,q的值。26(二)ARMA模型的估計(jì)ARMA模型的估計(jì)方法:矩估計(jì)極大似然估計(jì)非線性估計(jì)最小二乘估計(jì)27(三)ARMA模型的診斷一.診斷的含義二.診斷的方法三.檢驗(yàn)統(tǒng)計(jì)量Box和Pierce提出的Q統(tǒng)計(jì)量Ljung和

當(dāng)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(dāng)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(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)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(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。