ARMA模型的概念和構(gòu)造課件_第1頁
ARMA模型的概念和構(gòu)造課件_第2頁
ARMA模型的概念和構(gòu)造課件_第3頁
ARMA模型的概念和構(gòu)造課件_第4頁
ARMA模型的概念和構(gòu)造課件_第5頁
已閱讀5頁,還剩33頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、ARMA模型的概念和構(gòu)造 1一、ARIMA模型的基基本內(nèi)涵涵一、ARMA模型的概概念自回歸移移動(dòng)平均均模型(autoregressivemovingaveragemodels,簡(jiǎn)記為ARMA模型),由因變變量對(duì)它它的滯后后值以及及隨機(jī)誤誤差項(xiàng)的的現(xiàn)值和和滯后值值回歸得得到。包括移動(dòng)動(dòng)平均過過程(MA)、自回回歸過程程(AR)、自回回歸移動(dòng)動(dòng)平均過過程(ARMA)。2ARIMA模型的概概念一.移動(dòng)平均均過程1.移動(dòng)平均均(MA)過程的的表示:其中u為常數(shù)項(xiàng)項(xiàng),為白白噪音過過程引入滯后后算子L,原式可可以寫成成:或者3ARIMA模型的概概念2.MA(q)過程的的特征1.2.3.自協(xié)方差差當(dāng)kq時(shí)0

2、當(dāng)kq時(shí),ACF(j)=0,此現(xiàn)象象為截尾尾,是MA(q)過程的一一個(gè)特征征如下圖:18ARMA模型的識(shí)識(shí)別MA(2)過程程19ARMA模型的識(shí)識(shí)別AR(p)過程的偏偏自相關(guān)關(guān)函數(shù)時(shí),偏自自相關(guān)函函數(shù)的取取值不為為0時(shí),偏自自相關(guān)函函數(shù)的取取值為0AR(p)過程的偏偏自相關(guān)關(guān)函數(shù)p階截尾如下圖:20ARMA模型的識(shí)識(shí)別21ARMA模型的識(shí)識(shí)別22ARMA模型的識(shí)識(shí)別AR(p)過程的自自相關(guān)函函數(shù)以及及MA(q)過程的偏偏自相關(guān)關(guān)函數(shù)平穩(wěn)的AR(P)過程可以以轉(zhuǎn)化為為一個(gè)MA()過程,則AR(P)過程的自自相關(guān)函函數(shù)是拖拖尾的一個(gè)可逆逆的MA(q)過程可轉(zhuǎn)轉(zhuǎn)化為一一個(gè)AR()過程,因此其其偏自相

3、相關(guān)函數(shù)數(shù)是拖尾尾的。23ARMA模型的識(shí)識(shí)別ARMA(p,q)過程的自自相關(guān)函函數(shù)和偏偏自相關(guān)關(guān)函數(shù)ARMA過程的自自相關(guān)函函數(shù)和偏偏自相關(guān)關(guān)函數(shù)都都是拖尾尾的如下圖:24ARIMA模型的識(shí)識(shí)別25ARMA模型的識(shí)識(shí)別3.利用自相相關(guān)函數(shù)數(shù)、偏自自相關(guān)函函數(shù)對(duì)ARMA模型進(jìn)行行識(shí)別通過ADF檢驗(yàn),來來判斷序序列過程程的平穩(wěn)穩(wěn)性;利用自相相關(guān)函數(shù)數(shù)、偏自自相關(guān)函函數(shù)以及及它們的的圖形來來確定p,q的值。26(二)ARMA模型的估估計(jì)ARMA模型的估估計(jì)方法法:矩估計(jì)極大似然然估計(jì)非線性估估計(jì)最小二乘乘估計(jì)27(三)ARMA模型的診診斷一.診診斷的含含義二.診診斷的方方法三.檢檢驗(yàn)統(tǒng)計(jì)計(jì)量Box

4、和和Pierce提出的的Q統(tǒng)計(jì)計(jì)量Ljung和Box(1978)提提出的LB統(tǒng)計(jì)計(jì)量。28ARIMA模型的診診斷1.Q統(tǒng)計(jì)量,近似服服從(大大樣本中中)分布其中n為樣本容容量,m為滯后長(zhǎng)長(zhǎng)度2.LB統(tǒng)計(jì)量,服從分分布,其其中n為樣本容容量,m為滯后長(zhǎng)長(zhǎng)度。3.LB統(tǒng)計(jì)量的的特點(diǎn)29ARMA模型的診診斷四.信息準(zhǔn)則則(informationcriteria)Akaike信息準(zhǔn)則則Schwarz信息準(zhǔn)則則Hannan-Quinn信息準(zhǔn)則則其中為為殘差差平方,是是所有估估計(jì)參數(shù)數(shù)的個(gè)數(shù)數(shù),T為樣本容容量。30ARMA模型的預(yù)預(yù)測(cè)一.基于AR模型的預(yù)預(yù)測(cè)以平穩(wěn)的的AR(2)過程為例例:其中為為零均值值

5、白噪音音過程31ARMA模型的預(yù)預(yù)測(cè)在t時(shí)刻,預(yù)預(yù)測(cè)的的值:=在t時(shí)刻,預(yù)預(yù)測(cè)的的值: 同理:結(jié)論32ARMA模型的預(yù)預(yù)測(cè)二.基于MA過程的預(yù)預(yù)測(cè)過程結(jié)論:MA(2)過程僅有有2期的記憶憶力33ARMA模型的預(yù)預(yù)測(cè)三.基于ARMA過程的預(yù)預(yù)測(cè)結(jié)合對(duì)AR過程和MA過程進(jìn)行行預(yù)測(cè)ARMA模型一般般用于短短期預(yù)測(cè)測(cè)34五、實(shí)例例:ARMA模型在金金融數(shù)據(jù)據(jù)中的應(yīng)應(yīng)用數(shù)據(jù):1991年1月到2005年1月的我國(guó)國(guó)貨幣供供應(yīng)量(廣義貨貨幣M2)的月度度時(shí)間序序列數(shù)據(jù)據(jù)目的:說明在Eviews5.0軟件中利利用B-J方法論建建立合適適的ARIMA(p,d,q)模型35ARMA模型的估估計(jì)36利用ARMA模型進(jìn)行行預(yù)測(cè)用d

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論