严平稳/宽平稳过程
前言
严平稳(Strict Stationary)和宽平稳(Wide Sense Stationary)是时间序列分析中非常重要的概念。本文将详细介绍这两个概念以及相关的理论知识。
什么是平稳过程?
在介绍严平稳和宽平稳之前,我们先来看看什么是平稳过程。
平稳过程指的是时间序列中各个时刻的统计特征不随时间发生变化的一类过程。简单来说,就是时间序列的均值、方差等统计特征都保持不变。这种过程是非常重要的,因为只有基于平稳过程的模型才能用来进行预测和估计参数。
严平稳过程
定义
严平稳过程又称为强平稳过程,是指任意时刻的联合分布都与时间无关,即:
P ( X t 1 = x 1 , X t 2 = x 2 , ⋯ , X t k = x k ) = P ( X t 1 + h = x 1 , X t 2 + h = x 2 , ⋯ , X t k + h = x k ) P(X_{t_1}=x_1,X_{t_2}=x_2,\cdots,X_{t_k}=x_k)=P(X_{t_{1}+h}=x_1,X_{t_{2}+h}=x_2,\cdots,X_{t_{k}+h}=x_k) P(Xt1=x1,Xt2=x2,⋯,Xtk=xk)=P(Xt1+h=x1,Xt2+h=x2,⋯,Xtk+h=xk)
对于任意时刻 t t t 和时滞 h h h,上式均成立。
性质
- 严平稳过程必定是宽平稳过程。
- 严平稳过程的自协方差函数只与两个时间点之间的时间差有关,即 γ X ( h ) = E ( X t − μ ) ( X t + h − μ ) \gamma_X(h)=E(X_t-\mu)(X_{t+h}-\mu) γX(h)=E(Xt−μ)(Xt+h−μ)。
- 严平稳过程的谱密度函数存在。
判断方法
- 根据定义进行判断。
- 判断一个时间序列是否是线性平稳过程,可以通过观察它的自相关函数和偏自相关函数来进行判断。如果这两个函数都在一定范围内波动,且趋势相同,则该时间序列是平稳时间序列。
宽平稳过程
定义
宽平稳过程又称为弱平稳过程,是指任意时刻的均值和自协方差函数只与时间差 h h h 有关,即:
E ( X t ) = μ , γ X ( h ) = γ X ( k ) , ∀ t , k E(X_t)=\mu,\quad \gamma_X(h)=\gamma_X(k),\quad \forall t,k E(Xt)=μ,γX(h)=γX(k),∀t,k
其中 μ \mu μ 是常数。
性质
- 宽平稳过程的自相关函数和偏自相关函数都只与时间差 h h h 有关,即 r ( h ) = γ X ( h ) γ X ( 0 ) , ρ ( h ) = γ X ( h ) γ X ( 0 ) γ X ( h ) r(h)=\frac{\gamma_X(h)}{\gamma_X(0)},\quad \rho(h)=\frac{\gamma_X(h)}{\sqrt{\gamma_X(0)\gamma_X(h)}} r(h)=γX(0)γX(h),ρ(h)=γX(0)γX(h)γX(h)。
- 宽平稳过程的谱密度函数存在。
判断方法
判断一个时间序列是否是宽平稳时间序列,可以通过观察它的均值和自协方差函数是否与时间点 t t t 无关来进行判断。如果一阶和二阶矩都不随时间变化,则该时间序列是宽平稳时间序列。
平稳时间序列的建模流程
对于任意一个平稳时间序列,我们可以通过以下步骤来建立模型:
- 画出时间序列的图像,观察其是否具有周期性、趋势性或突变性等特征。
- 计算时间序列的自相关函数(ACF)和偏自相关函数(PACF),观察其截尾性质,找到合适的阶数。
- 选择合适的模型。可以根据 AIC、BIC 等准则选择最优模型。
- 拟合模型,估计参数。
- 检验模型是否符合要求。可以通过残差的自相关函数和偏自相关函数来判断模型是否存在问题。
- 利用建立好的模型进行预测。
总结
本文介绍了严平稳过程和宽平稳过程的定义和性质,并讲述了判断一个时间序列是否是平稳时间序列的方法以及平稳时间序列的建模流程。平稳过程是时间序列分析中非常重要的概念,只有基于平稳过程的模型才能用来进行预测和估计参数。