时间序列建模的主要目标之一就是对时间序列未来取值的预测. 而另一个最重要的目标即是对预测精确性的评估.
可以说之前的所有知识都是为预测与评估作准备的.
所谓预测就是利用已观测样本数据,对未来某时刻的取值进行估计. 对时间序列预测,基于这样一个假设: 已观测信息包含时间序列模型的所有信息,其中一部分是可读的,基于可读信息,可以构建时间序列模型,此模型在一定的精度要求下, 可以作为真实模型的近似.
最佳线性预测
设时间序列{ Xt,t=±1,±2,…,N}
, 对未来 l 步预测,目前最通用的预测准则为 最小方差预测原则:
XN^(l)=E(XN+l|X1,X2,…,XN)
argminparamsE(XN^−XN+l)2
一般地, 寻求的模型,大约都时间序列{ Xt,t=±1,±2,…}
各时间点的线性组合, 因而满足上述条件的模型,也称为(l 步) 最佳线性预测(之前,研究时间序列的学者都将'预测'称之为''预报''(forcasting), '预测'常被使用则是最近的事).则 上式可写成:
E(a1X1+a2X2+⋯+XN−XN+l)2=E(XN+l−∑i=1NaiXN+1−i)2=min
其中 ai
表示(组合)系数.
则上式等价于:
E(XN+l−∑i=1NaiXN+1−i)Xj=0,1≤j≤N
求期望可得: