- 运用ARMA模型的前提条件是,建立模型的时间序列是由一个零均值的平稳随机过程产生的。
AR自回归模型
![](https://imgsa.baidu.com/baike/s%3D13/sign=4dfbf9633b87e9504617f76f1138cc3e/7e3e6709c93d70cfc03c5cadf9dcd100bba12b48.jpg)
![](https://imgsa.baidu.com/baike/s%3D266/sign=6e5249c2cbea15ce45eee70f80013a25/b90e7bec54e736d14247ab4f99504fc2d5626924.jpg)
MA移动平均模型
![](https://imgsa.baidu.com/baike/s%3D13/sign=4dfbf9633b87e9504617f76f1138cc3e/7e3e6709c93d70cfc03c5cadf9dcd100bba12b48.jpg)
![](https://imgsa.baidu.com/baike/s%3D265/sign=ff05b86f952bd40746c7d4fb4e889e9c/3812b31bb051f8197039250dd8b44aed2e73e75d.jpg)
ARMA自回归滑动平均模型
![](https://imgsa.baidu.com/baike/s%3D13/sign=4dfbf9633b87e9504617f76f1138cc3e/7e3e6709c93d70cfc03c5cadf9dcd100bba12b48.jpg)
![](https://imgsa.baidu.com/baike/s%3D519/sign=702a7df6820a19d8cf0384040afb82c9/fd039245d688d43f3b01b5b57f1ed21b0ff43bc8.jpg)
yt是平稳、正态、零均值的时间序列
p:自回归阶数,q:移动平均阶数,β和α是不为零的待定系数,εt独立的误差项
ARIMA(p,d,q)模型是ARMA(p,q)模型的扩展
ARMA谱估计
线性系统可以用线性差分方程进行描述,这种差分模型就是自回归----滑动平均模型(AutoRegression----Moving Average,ARMA )。:任何一个有理式的功率谱密度都可以用一个ARMA随机过程的功率谱密度精确逼近。