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