时间序列分析

    时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计（如非线性最小二乘法）来建立数学模型的理论和方法。

  1，ARMA模型：自回归移动平均(auto regression moving average)模型，最常用的拟合平稳序列的模型。

          拓：1）平稳就是围绕着一个常数上下波动

                  2）不平稳，怎么办？ 差分

         （1）AR模型（auto regression model）：

一般的p阶自回归过程AR(p)是

Xt=a1Xt-1+ a2Xt-2 + … + apXt-p + mt (*)

如果随机扰动项是一个白噪声(mt=et)，则称(*)式为一纯AR(p)过程（pure AR(p) process），记为

Xt=a1Xt-1+ a2Xt-2 + … + apXt-p +et

  （2）MA模型 (moving average model)：

如果mt不是一个白噪声，通常认为它是一个q阶的移动平均（moving average）过程MA(q)：

mt=et - q1et-1 - q2et-2 - ... - qqet-q

该式给出了一个纯MA(q)过程（pure MA(p) process）。

    （3）ARMA模型 (auto regression moving average model)：

将纯AR(p)与纯MA(q)结合，得到一个一般的自回归移动平均（autoregressive moving average）过程ARMA（p,q）：

Xt=a1Xt-1+ a2Xt-2 + … + apXt-p + et - q1et-1 - q2et-2 -... - qqet-q