第三時(shí)間序列分析

第三時(shí)間序列分析演示文稿本文檔共29頁；當(dāng)前第1頁；編輯于星期六\9點(diǎn)36分（優(yōu)選）第三時(shí)間序列分析本文檔共29頁；當(dāng)前第2頁；編輯于星期六\9點(diǎn)36分三、

齊次方程解的計(jì)算假定G1，G2，…，Gn是互不相同，則在時(shí)刻t的通解：其中Ai為常數(shù)（可由初始條件確定）。無重根考慮齊次差分方程本文檔共29頁；當(dāng)前第3頁；編輯于星期六\9點(diǎn)36分重根設(shè)有d個(gè)相等的根，可驗(yàn)證通解為對(duì)一般情形，

因此，齊次方程解是由衰減指數(shù)項(xiàng)Gt、多項(xiàng)式tj、衰減正弦項(xiàng)Dt-ksin(2πf0t+F)，以及這些函數(shù)的組合混合生成的。齊次方程解便是本文檔共29頁；當(dāng)前第4頁；編輯于星期六\9點(diǎn)36分定義：設(shè)零均值平穩(wěn)序列

第二節(jié)格林函數(shù)(Green’sfunction)和平穩(wěn)性(Stationarity)一、格林函數(shù)(Green’sfunction)能夠表示為則稱上式為平穩(wěn)序列

的傳遞形式，式中的加權(quán)系數(shù)

稱為格林（Green）函數(shù)，其中本文檔共29頁；當(dāng)前第5頁；編輯于星期六\9點(diǎn)36分格林函數(shù)的含義：格林函數(shù)是描述系統(tǒng)記憶擾動(dòng)程度的函數(shù)。（1）式可以記為其中

式（1）表明具有傳遞形式的平穩(wěn)序列可以由現(xiàn)在時(shí)刻以前的白噪聲通過系統(tǒng)“

”的作用而生成，是j個(gè)單位時(shí)間以前加入系統(tǒng)的干擾項(xiàng)對(duì)現(xiàn)實(shí)響應(yīng)的權(quán)，亦即系統(tǒng)對(duì)的“記憶”。

本文檔共29頁；當(dāng)前第6頁；編輯于星期六\9點(diǎn)36分一、AR（1）系統(tǒng)的格林函數(shù)由AR（1）模型即：則AR(1)模型的格林函數(shù)

本文檔共29頁；當(dāng)前第7頁；編輯于星期六\9點(diǎn)36分例：下面是參數(shù)分別為0.9、0.1和-0.9的AR（1）系統(tǒng)對(duì)擾動(dòng)的記憶情況

。（演示試驗(yàn)）AR（n）模型，即其中：的平穩(wěn)性條件為：

的根在單位圓外（或

的根在單位圓內(nèi)）。AR（n）系統(tǒng)的平穩(wěn)性條件：（請(qǐng)同學(xué)們觀察平穩(wěn)性AR(n)與非平穩(wěn)性AR(n)的區(qū)別。）本文檔共29頁；當(dāng)前第8頁；編輯于星期六\9點(diǎn)36分格林函數(shù)與AR（n）系統(tǒng)的平穩(wěn)性平穩(wěn)性的涵義就是干擾項(xiàng)對(duì)系統(tǒng)的影響逐漸減弱，直到消失，對(duì)于一個(gè)AR（n）系統(tǒng)，將其寫成格林函數(shù)的表示形式，如果系統(tǒng)是平穩(wěn)的，則預(yù)示隨著j→∞，擾動(dòng)的權(quán)數(shù)

上面結(jié)論也可以用來求AR(n)系統(tǒng)的系數(shù)平穩(wěn)性條件。請(qǐng)同學(xué)們思考MA(m)系統(tǒng)的平穩(wěn)性條件。本文檔共29頁；當(dāng)前第9頁；編輯于星期六\9點(diǎn)36分ARMA模型格林函數(shù)的通用解法ARMA(n,m)模型且

則

令

則

化為

本文檔共29頁；當(dāng)前第10頁；編輯于星期六\9點(diǎn)36分比較等式兩邊B的同次冪的系數(shù)，可得由上式，格林函數(shù)可從開始依次遞推算出。例：求AR(2,1)系統(tǒng)的格林函數(shù)。本文檔共29頁；當(dāng)前第11頁；編輯于星期六\9點(diǎn)36分是零均值平穩(wěn)序列，如果白噪聲序列第三節(jié)逆函數(shù)和可逆性（Invertibility）能夠表示為一、逆函數(shù)的定義設(shè)則稱上式為平穩(wěn)序列

式中的加權(quán)系數(shù)稱為逆函數(shù)。

本文檔共29頁；當(dāng)前第12頁；編輯于星期六\9點(diǎn)36分ARMA（n,m）模型逆函數(shù)通用解法對(duì)于ARMA（n,m）模型的逆函數(shù)求解模型格林函數(shù)求解方法相同。令

二、ARMA模型的逆函數(shù)的逆轉(zhuǎn)形式則平穩(wěn)序列可表示為由ARMA(n,m)模型可得本文檔共29頁；當(dāng)前第13頁；編輯于星期六\9點(diǎn)36分仍由先前定義的和

，則上式可化為比較上式兩邊B的同次冪的系數(shù)，得到即可從由此開始推算出。本文檔共29頁；當(dāng)前第14頁；編輯于星期六\9點(diǎn)36分

對(duì)于MA（m）模型的可逆性討論與AR（n）模型平穩(wěn)性的討論是類似的，即：MA（m）模型的可逆性條件為其特征方程的特征根滿足ARMA(n,m)系統(tǒng)格林函數(shù)與逆函數(shù)的關(guān)系在格林函數(shù)的表達(dá)式中，用代替，代替代替，，即可得到相對(duì)應(yīng)的逆函數(shù)。本文檔共29頁；當(dāng)前第15頁；編輯于星期六\9點(diǎn)36分理論自協(xié)方差函數(shù)和自相關(guān)函數(shù)對(duì)于ARMA系統(tǒng)來說，設(shè)序列的均值為零，則自協(xié)方差函數(shù)第四節(jié)自相關(guān)函數(shù)與偏自相關(guān)函數(shù)自相關(guān)函數(shù)樣本自相關(guān)函數(shù)的計(jì)算在擬合模型之前，我們所有的只是序列的一個(gè)有限樣本數(shù)據(jù)，無法求得理論自相關(guān)函數(shù)，只能求樣本的自協(xié)方差函數(shù)和自相關(guān)函數(shù)。樣本自協(xié)方差有兩種形式：一、自相關(guān)函數(shù)本文檔共29頁；當(dāng)前第16頁；編輯于星期六\9點(diǎn)36分則相應(yīng)的自相關(guān)函數(shù)為

在通常情況下，我們采用第一種算法。本文檔共29頁；當(dāng)前第17頁；編輯于星期六\9點(diǎn)36分

1、AR(p)過程自相關(guān)函數(shù)ACF1階自回歸模型AR(1)

Xt=Xt-1+t

的k階滯后自協(xié)方差為：=1,2,…因此，AR(1)模型的自相關(guān)函數(shù)為

=1,2,…

由AR(1)的穩(wěn)定性知||<1，因此，k時(shí)，呈指數(shù)形衰減，直到零。這種現(xiàn)象稱為拖尾或稱AR(1)有無窮記憶（infinitememory）。

注意，<0時(shí)，呈振蕩衰減狀。

本文檔共29頁；當(dāng)前第18頁；編輯于星期六\9點(diǎn)36分

Xt=1Xt-1+2Xt-2+t該模型的方差0以及滯后1期與2期的自協(xié)方差1,2分別為２階自回歸模型AR(2)

類似地,可寫出一般的k期滯后自協(xié)方差：

(K=2,3,…)于是,AR(2)的k階自相關(guān)函數(shù)為：

(K=2,3,…)其中

:1=1/(1-2),0=1如果AR(2)穩(wěn)定，則由1+2<1知|k|衰減趨于零，呈拖尾狀。至于衰減的形式，要看AR(2)特征根的實(shí)虛性，若為實(shí)根，則呈單調(diào)或振蕩型衰減，若為虛根，則呈正弦波型衰減。

本文檔共29頁；當(dāng)前第19頁；編輯于星期六\9點(diǎn)36分一般地，p階自回歸模型AR(p)

Xt=1Xt-1+2Xt-2+…pXt-p+

tk期滯后協(xié)方差為:

從而有自相關(guān)函數(shù)

:

可見，無論k有多大，k的計(jì)算均與其１到p階滯后的自相關(guān)函數(shù)有關(guān)，因此呈拖尾狀。

如果AR(p)是穩(wěn)定的，則|k|遞減且趨于零。

本文檔共29頁；當(dāng)前第20頁；編輯于星期六\9點(diǎn)36分

其中：1/zi是AR(p)特征方程(z)=0的特征根，由AR(p)平穩(wěn)的條件知，|zi|<1;

因此，當(dāng)1/zi均為實(shí)數(shù)根時(shí)，k呈幾何型衰減（單調(diào)或振蕩）；當(dāng)存在虛數(shù)根時(shí)，則一對(duì)共扼復(fù)根構(gòu)成通解中的一個(gè)阻尼正弦波項(xiàng)，k呈正弦波衰減。事實(shí)上，自相關(guān)函數(shù)是一p階差分方程，其通解為本文檔共29頁；當(dāng)前第21頁；編輯于星期六\9點(diǎn)36分對(duì)MA(1)過程

2、MA(q)過程

可容易地寫出它的自協(xié)方差系數(shù)：

于是，MA(1)過程的自相關(guān)函數(shù)為：可見，當(dāng)k>1時(shí)，k>0，即Xt與Xt-k不相關(guān)，MA(1)自相關(guān)函數(shù)是截尾的。

本文檔共29頁；當(dāng)前第22頁；編輯于星期六\9點(diǎn)36分其自協(xié)方差系數(shù)為

一般地，q階移動(dòng)平均過程MA(q)

相應(yīng)的自相關(guān)函數(shù)為

可見，當(dāng)k>q時(shí)，Xt與Xt-k不相關(guān)，即存在截尾現(xiàn)象，因此，當(dāng)k>q時(shí)，k=0是MA(q)的一個(gè)特征。于是：可以根據(jù)自相關(guān)系數(shù)是否從某一點(diǎn)開始一直為0來判斷MA(q)模型的階。本文檔共29頁；當(dāng)前第23頁；編輯于星期六\9點(diǎn)36分二、偏自相關(guān)函數(shù)

自相關(guān)函數(shù)ACF(k)給出了Xt與Xt-1的總體相關(guān)性，但總體相關(guān)性可能掩蓋了變量間完全不同的隱含關(guān)系。例如，在AR(1)隨機(jī)過程中，Xt與Xt-2間有相關(guān)性可能主要是由于它們各自與Xt-1間的相關(guān)性帶來的:即自相關(guān)函數(shù)中包含了這種所有的“間接”相關(guān)。與之相反，Xt與Xt-k間的偏自相關(guān)函數(shù)(partialautocorrelation，簡記為PACF)則是消除了中間變量Xt-1，…，Xt-k+1

帶來的間接相關(guān)后的直接相關(guān)性，它是在已知序列值Xt-1，…，Xt-k+1的條件下，Xt與Xt-k間關(guān)系的度量。本文檔共29頁；當(dāng)前第24頁；編輯于星期六\9點(diǎn)36分

從Xt中去掉Xt-1的影響，則只剩下隨機(jī)擾動(dòng)項(xiàng)t，顯然它與Xt-2無關(guān)，因此我們說Xt與Xt-2的偏自相關(guān)系數(shù)為零，記為

在AR(1)中，

同樣地，在AR(p)過程中，對(duì)所有的k>p，Xt與Xt-k間的偏自相關(guān)系數(shù)為零。

AR(p)的一個(gè)主要特征是:k>p時(shí)，k*=Corr(Xt,Xt-k)=0

即k*在p以后是截尾的。一隨機(jī)時(shí)間序列的識(shí)別原則：若Xt的偏自相關(guān)函數(shù)在p以后截尾，即k>p時(shí)，k*=0，而它的自相關(guān)函數(shù)k是拖尾的，則此序列是自回歸AR(p)序列。本文檔共29頁；當(dāng)前第25頁；編輯于星期六\9點(diǎn)36分對(duì)于一個(gè)k階AR模型，有：由此得到Y(jié)ule-Walker

方程，記為：已知時(shí)，由該方程組可以解出。遺憾的是，用該方程組求解時(shí)，需要知道自回歸過程的階數(shù)。因此，我們可以對(duì)連續(xù)的k值求解Yule-Walker方程。本文檔共29頁；當(dāng)前第26頁；編輯于星期六\9點(diǎn)36分對(duì)k=1，2，3，…依次求解方程，得

上述

……

序列為AR模型的偏自相關(guān)函數(shù)。本文檔共29頁；當(dāng)前第27頁；編輯于星期六\9點(diǎn)36分偏自相關(guān)性是條件相關(guān)，是在給定

的條件下，

和

的條件相關(guān)。換名話說，偏自相關(guān)函數(shù)是對(duì)

和

所解釋的相關(guān)的度量。

之間未被由最小二乘原理易得，

是作為

關(guān)于線性回歸的回歸系數(shù)。如果自回歸過程的階數(shù)為n，則對(duì)于k>n應(yīng)該有kk=0。本文檔共29頁；當(dāng)前第28頁；編輯于星期六\9點(diǎn)36分

MA(1)過程可以等價(jià)地寫成t關(guān)于無窮序列Xt，Xt-1，…的線性組合的