时间序列 ARIMA 模型 (三)

先看下图：

这是1986年到2006年的原油月度价格。可见在2001年之后，原油价格有一个显著的攀爬，这时再去假定均值是一个定值（常数）就不太合理了，也就是说，第二讲的平稳模型在这种情况下就太适用了。也因此有了今天这一讲。

要处理这种非平稳的数据（比如上图中的均值不是一个常数），需要用非平稳模型：求和自回归滑动平均(Autoregressive integrated moving average, ARIMA)。接下来，咱先看一个处理过的石油价格：

是不是似曾相识？！ 对的，经过简单的处理，本来不平稳的数据，立即变成了平稳数据了。这样再用上一章的模型就可简单处理了。这种处理方式就叫做差分（马上会讲，别急）。 而ARIMA 模型可以简单的理解为：差分+平稳模型。你看，这下，这章的内容是不是简单多了，所谓非平稳模型不就是差分处理下数据，再变有平稳数据，然后再用平稳模型处理嘛~ 确实酱紫~。

那马上就产生一个问题（或者你早就有疑问了）：什么叫做差分？差分是处理时间序列非常重要的工具，在计量经济学及金融数学中广泛应用。

3.1 差分运算

3.1.1 差分运算

还是用原油价格（月度数据）作为例子，所谓一阶差分就是两个相邻月度之间做差。（这么简单？！对，就是这样~）。

规范化些：设{ Xt, t=±1,±2,…}

为一时间序列，则：

Δxt=xt−xt−1 t=±1,±2,…

称为时间序 { Xt, t=±1,±2,…}

的一阶差分运算。

比如 2005年原油价格为：46.84 ，48.15， 54.19， 52.98， 49.83， 56.35， 58.99， 64.98 ，65.59， 62.26， 58.32 ，59.41。那这组数据的一阶差分即为 1.31, 6.04, -1.21, -3.15, 6.52 , 2.64 , 5.99 , 0.61,-3.33, -3.94,也就是前一个数减去后一个数而已。

那如果我想去差分后的数据再做一次差分呢？ 那就是二阶差分（就是这么easy~）：上面的一阶差分数据为1.31, 6.04, -1.21, -3.15, 6.52 , 2.64 , 5.99 , 0.61,-3.33, -3.94,再经一次差分： 4.73 , -7.25, -1.94, 9.67, -3.88, 3.35 , -5.38 , -3.94, -0.61.

那如果想做p次呢（你够了~），那就叫做p阶差分了，定义为：

Δpxt=Δp−1xt−Δp−1xt−1

是不是很简单？！

3.1.2 k步差分

如果不是相邻数据间做差呢，比如我想隔几个数据叫，比如我想用原油数据7月份数据与1月份做差呢？ 没问题，你的需求我一定满足，这个就叫做k步差分了：

Δkxt=xt−xt−k

比如2005年7月与1月的价格差值即为： 58.99 - 46.84 = 12.15.也即称为六步差分了。

3.1.3 差分的选择

划重点,划重点!!!

1. 序列蕴含着显著的线性趋势,1 阶差分可以实现趋势平稳,比如上面的原油价格(不过,里面其实做了一个预处理,一会说~).
2. 序列蕴含着曲线趋势的,通常低阶(2阶或3阶)差分就可以取提出曲线趋势的影响.
3. 对于固定周期的序列,通常进行步长为周期长度的差分就可以较好的提取周期信息.

PS: 差分虽好,但也不要贪杯哦, 记住对信息的任何的加工都只会造成信息的损失.

3.1.3* 延迟算子

这一小节作为了解，不喜欢可以_跳过_，不影响理解滴~。

延迟算子，类似一个时间指针，当前序列值乘以一个延迟算子，就相当于把当前序列值的时间向过去拔了一个时刻。(ps: 算子就是映射，就是关系，就是变换[3])

3.1.3.1定义与性质

记 B 为延迟算子，有：xt−1=Bxt,xt−2=B2xt,…,xt−p=Bpxt−p

延迟算子具有如下性质：

• B0

= 1若 c 为常数， 则有 B(c∙xt)=cB(xt)=c∙xt−1
对任意两个序列 有{ xt},{ yt},有B(xt±yt)=xt−1±yt−1
Bnxt=xt−n
其