平稳时间序列分析
一个序列经过预处理被识别为平稳非白噪声序列,就说明该序列是一个蕴含着相关信息的平稳序列。在统计上,我们通常是建立一个线性模型来拟合该序列的发展,借此提取该序列中的有用信息。ARMA(auto regression moving average)模型是目前最常采用的平稳序列拟合模型。
1.方法性工具
1.1 差分运算
一阶差分:
∇xt=xt−xt−1 ∇ x t = x t − x t − 1
二阶差分:
∇2xt=∇xt−∇xt−1 ∇ 2 x t = ∇ x t − ∇ x t − 1
p阶差分:
∇pxt=∇p−1xt−∇p−1xt−1 ∇ p x t = ∇ p − 1 x t − ∇ p − 1 x t − 1
k步差分:
∇k=xt−xx−k ∇ k = x t − x x − k
1.2 延迟算子
延迟算子类似于一个时间指针,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拨了一个时刻。记B为延迟算子,有:
xt−1=Bx1 x t − 1 = B x 1
xt−2=B2x1 x t − 2 = B 2 x 1
... . . .
xt−p=Bpx1 x t − p = B p x 1
延迟算子有如下性质:
1. b0=1 b 0 = 1
2.若c为任意常数,有 B(c⋅xt)=c⋅B(xt)=c⋅xt−1 B ( c ⋅ x t ) = c ⋅ B ( x t ) = c ⋅ x t − 1
3.对任意两个序列 xt,yt x t , y t ,有 B(xt±yt)=xt−1±yt−1 B ( x t ± y t ) = x t − 1 ± y t − 1
4. Bnx