1、 pB) Xt = 记算子多项式( B) = ( 1- 2B- - pB),则模型可以表 示成( B) X= t (2.1.3)例如,二 阶自回归模型 X=0.7Xt+0.3Xt-2 +0.3Xt-3 + t可写成(1-0.7B-0.3B 2) X= 二、 滑动平均模型(MA有时,序列X的记忆是关于过去外部冲击值的记忆,在这种情 况下,X可以表示成过去冲击值和现在冲击值的线性组合,即X = t- 0 1 t-1 - 0 2 t-2 - - 0 q t-q (2.1.4)此模型常称为序列X的滑动平均模型,记为 MA(q),其中q为滑动 平均的阶数,0 1, 0 20 q为参滑动平均的权数。相应的
2、序列Xt称为 滑动平均序列。使用滞后算子记号,(2.1.4 )可写成Xt= (1- 0 1B- 0 2W-0 q) qt=0 (B) t (2.1.5)三、 自回归滑动平均模型如果序列 X的当前值不仅与自身的过去值有关,而且还与其 以前进入系统的外部冲击存在一定依存关系,则在用模型刻画这种动 态特征时,模型中既包括自身的滞后项,也包括过去的外部冲击,这 种模型叫做自回归滑动平均模型,其一般结构为:Xt= 1Xt-1 + 2X-2 + + pX-p + t - 0 1 t-q(2.1.6)简记为ARMA(p, q)。利用滞后算子,此模型可写为第二节 线性时间序列模型的平稳性、可逆性和传递性首先介
3、绍两个概念。1序列的传递形式:设 Yt为随机序列, t 为白噪声,若 Yt 可表示为:Yt= t+G t-1 +G t-2 + +G t-k + =G(B) 且|Gk| ,则称 Y具有传递形式,此时 Y是平稳的。1系数G称为格林函数。它描述了系统对过去冲击的动态记忆 性强度。2序列的逆转形式:若 Y 可表示为: t= Yt- n i Yt-i - n 2 Yt-2 - - n k Yt-k - = n (B) Y t且|k ,则称 Y 具有逆转形式(或可逆形式)。一、 MA模型1.MA模型本身就是传递形式。2.MA(q)总是平稳的(由上一章的例),MA(乂)在系数级数绝对 收敛的条件下平稳。3
4、.MA(q濮型的可逆性条件。先以MA( 1) (Yt= t-i)为例进行分析。MA(1)的可逆性条件为:I 1 1。如果引入滞后算子表示 MA(1), 则Yt= (1- 0 iB) t,可逆条件i 1等价于B (B)=1- 0 iB=0的根全在 单位圆外。对于一般的MA(q)模型,利用滞后算子表示有:Y= ( 1- 0 iB- 0 2B- - 0 qB) t = 0 (B) 其可逆的充要条件是:0 (B) =0的根全在单位圆外(证明见Box-Jenkins , P79)。在可逆的情况下,服从 MA(q)模型的序列可以表示成无穷阶的 AR模型:-10 (B)Yt二 MA(q)的可逆域:使0 (B
5、) =0的根全在单位圆之外的系数向量(01 ,0 2, , 0 q)所形成的集合。例:求MA(2)的可逆域。解:由 Yt t 1 t 1 2 t 2 ,其特征方程为:(B)21B 2 B 0该方程的两个根为:.12 4 22 2V 1 4 2由一次方程根与系数的关系,有1 2丄7当MA(2)平稳时,根的模| 1与2都必须大于1,因此必有:由根与系数的关系,可以推出如下式子:1 12 1 1 (1 )(1 )2 1 1 (1 )(1 )因此1 (1 )(1 )AR模型2.平稳性。先以 AR(1)( Yt= 1Yt-1 + t),进行分析AR(1)平稳的条件为| i 1,它等价于(B)=1- iB
6、=0的根在单 位圆外。3、在平稳的情况下,AR(1)有传递形式:(1- iB)Yt= e t Ytt1 1B般地,对于 AR(P)模型:(B) Y t二e t,序列 Yt平稳的充要条件是:(B)=0的根全在单位圆外。此时,Yt有传递形式:Yt= -1(B)AR(P)的平稳域:使(B)=0的根全在单位圆外的AR系数向量(1,练习:求AR(1)与AR(2)的平稳域。三、ARMA (p,q)模型1、 平稳性与传递形式首先考察 ARMA(1 , 1)的平稳性: Yt F 1Yt-1= e t -0 1 e t-1Yt平稳 m I 1 |q)P s= y/ y征。MA (q)的典型特征:p s在q步截尾
7、。首先考察AR (1) (Yt= iYt-i + t )的自相关函数的特征。Yt的自协方差函数为:Y=Cov( Yt, Y t+s) = 1 Y-1从而 Y= 1 Y-1= 12 u S-2二= 1s Y自相关函数(ACF)为:p s= y/ y= is当I i |v 1, p s0,即自相关函数p s随s的增大而衰 减至零。这种现象称为拖尾性。对于一般的AR (p),序列的自相关函数的特征分析如下:设 Yt= 1丫t-1+ 2丫t-2 + + pY t-p+ t= (B) Yt+ 则自协方差函数:Y= 1 Y-1+ 2 Y-2+ + p Y-P这是一个关于 s 的线性差分方程。上式两边同除Y
8、,得关于自相关函数(ACF )的线性差分方程。p s= 1 p s-1+ 2 p s-2+ + p p s-p在AR (p)平稳的条件下,( B) =0有p个在单位圆外的根a 1、a2,,a p。根据线性差分方程解的有关理论,自相关函数( ACF;服从的线性差分方程 (B) p s=0的通解为:p s=C1 a 1-s+ C2 a 2-s + .+ Cp a p-s由于Ia j | 1,因此p s将按指数衰减(实根情形)或正弦振荡衰减(复根情形)。这种特性称为AR (p)的拖尾性。AR (p )的典型特征是:p s拖尾(衰减)3、 ARMA ( p,q)的自相关函数设ARMA (p,q)的形式
9、为:则Yt的s阶自协方差函数为:Y = 1 Y-计 p Y-p+E(Yt t+s) _0 lE(Yt t+S-1)- 0 qE(Y t t+S-q)1当Ow sq 时,s-q0, t+s-q t,从而 t+S , t+S-1,, t+S-q全在t时刻以后,由于Yt与未来的外部冲击不相关,因此Y中后 面的项全为零。 2 y-2+ + p Y-p它只同自回归系数有关。两边同除 Y,得 P s= 1 P s-计 2 P s-2+ + p P s-p (s q)即ARMA (p,q)的自相关函数(ACF )在sq时,与AR (p) 的自相关函数所满足的线性差分方程完全相同。借用前面关于AR (p)的自
10、相关函数特征的讨论可知,ARMA (p,q)的自相关函数(ACF )在q以后随s的增长按指数衰减或以 正弦振荡衰减,即仍体现出拖尾特征。二、偏自相关函数从前面的自相关函数的讨论中可看出,自相关函数的截尾性是 MA (q)的独有特征,但自相关函数的拖尾性却是 AR ( p)与ARMA(p,q)共有的特征,尽管 ARMA (p,q)的自相关函数在q阶后开 始按指数衰减或以正弦振荡衰减,但这还不足于区别 AR ( p )与ARMA( p,q),因为在实际应用中很难区分是否是从 q阶开始衰减的。 因此,还需寻找序列的其他统计特征。这就是偏自相关函数的特征。设Yt是一随机序列,所谓Yt的s阶偏自相关系数
11、,是指扣出 中间s-1个项的影响之后,Yt与Yt+s的相关系数。为了考察偏自相关 函数的特性,我们分析如下:设 Yt是一零均值平稳序列,我们设想用 Yt-i, Yt-2,Yt- s 的s阶自回归模型去拟和 Y t,即建立如下模型:Yt= siYt-i + S2Yt-2+ ssYt-s+ et其中et为误差项。估计模型的常用方法是最小二乘法,即选择 si, S2,, ss使模型的残差方差Q=E (Yt- Sjj 1Yt- j ) 2=Eet2达到最小。根据极值条件应有:Q / Sj =0(j=1,2,,s)据此,可推出 S1, S2,,ss所满足的方程为s 1 s1 1s 2 s2 2s 1s
12、21 ss ss其中P k (k=1 ,,s)为Yt的k阶自相关系数。此方程组称为 Yule-Walker 方程。可以证明, ss是在给定Yt-1, Y t-2,Y t-s+1的条件,Yt和Yt- s之间的条件相关系数,即偏相关系数。 ss就为 Yt的偏相 关函数。则当且仅当 Sj=p时, ss=0,即 pp= p是AR ( p)模型偏截尾是AR (p)的典型特征对于AR (p)和ARMA (p,q)模型,在可逆的条件下,有逆转 形式 t= 0 -1(B) (B) Yt这是一个无穷阶的AR模型,根据前面的讨论知,Yt的偏自 相关函数不会出现截尾现象,而是无限延伸的。 (AR( p)是p阶截尾的,AR (心)不会截尾)可以证明,其偏自相关函数呈指数衰减 或正弦波衰减。至此,我们已完全分析了各种线性时间序列模型的特征。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1