时间序列模型的相关概念以及Matlab拟合ARIMA(p,d,q)模型

时间序列模型

统计量：

通常，我们用 X t = { X ∣ t ∈ T } X_t=\{X|t∈T\} Xt​={ X∣t∈T}表示一个时间序列,$x_1,x_2,\dots ,x_n$是观察值，时间序列有下面几个常用的统计量，这些统计量，为我们拟合时间序列模型做出准备.这几个统计量分别是均值，方差，协方差，相关系数，自相关系数，偏自相关系数

均值：

理论的均值函数
$${\mu }_t=E(X_t)$$
均值的估计值
$$\hat{\mu }=\frac{1}{n}\sum _{i=1}^n{x}_i$$

方差：

理论的方差函数
$${\sigma }_t^2=D(X_t)=E(X_t^2)-(E(X_t){)}^2$$
方差的估计值
$${\hat{\sigma }}^2=\frac{1}{n-1}\sum _{i=1}^n(x_i-\hat{\mu }{)}^2$$

差分

对序列1阶差分
$$\Delta x_t=x_t-x_{t-1}$$
2阶差分
$${\Delta }^2{x}_t=\Delta x_t-\Delta x_{t-1}=x_t-2x_{t-1}+x_{t-2}$$
P阶差分
$${\Delta }^p{x}_t={\Delta }^{p-1}{x}_t-{\Delta }^{p-1}{x}_{t-1}$$
P步差分
$${\Delta }_p{x}_t=x_t-x_{t-p}$$
延迟算子
$$\begin{gathered} L{x}_t=x_{t-1} \\ {L}^i{x}_t=x_{t-i} \end{gathered}$$
常见的时间序列模型：
$$x_t={\varphi }_1{x}_{(}t-1)+{\varphi }_2{x}_{(}t-2)+\cdots +{\varphi }_p{x}_{(}t-p)+{\epsilon }_t$$
用延迟算子表示是
$$(1-{\varphi }_{1}L-{\varphi }_2{L}^2-\dots -{\varphi }_p{L}^p)x_t={\epsilon }_t$$

平稳时间序列

白噪声序列

一个时间序列，如果完全符合正态分布，说明这个序列是白噪声序列，一旦时间序列通过了白噪声检验，说明这个序列已经没有了分析的价值，我们应该停止分析

白噪声序列满足条件
$$E(X_t)=\mu$$

$$\gamma (s,t)=\{\begin{array}{l}{\sigma }^2,s\ne t\\ 0,s=t\end{array}$$
记为 $X_t\sim WN(\mu ,{\sigma }^2)$

白噪声检验

我们不加证明的给出预备理论：

1.如果一个序列是白噪声序列，那么这个序列的以非零延迟的自相关系数${\hat{\rho }}_k$近似服从方差为观察期数的倒数，均值为0的正态分布
$${\hat{\rho }}_k\sim N(0,\frac{1}{n}),\forall k\ne 0$$
2.若 $Y_i\sim N(0,1),i=1,2,\dots ,n$ ,则
$$\sum _{i=1}^n{Y}_i^2\sim {\chi }^2(n)$$
N个标准正态分布的平方和服从自由度n的卡方分布

原假设：延迟期数小于m的序列完全不相关

备择假设：延迟期数小于m的序列存在相关性

我们构造原假设 $H_0:{\rho }_0={\rho }_1=\cdots ={\rho }_m$

备择假设 $H_1:{\rho }_0,{\rho }_1,\dots ,{\rho }_m$ 至少存在非零值

白噪声检验常用的统计量有两个

1. Q统计量

$$Q=n\sum _{i=1}^m{\hat{\rho }}_k^2$$
n是序列观测期数，m是指定的延期数

由于$${\hat{\rho }}_k\sim N(0,\frac{1}{n}),\forall k\ne 0$$，所以 $$\sqrt{n}{\hat{\rho }}_k\sim N(0,1)$$ ,所以
Q = n ∑ i =