已知在t−1时刻的数据rt−1,在预测t时刻rt时可能是有用的!
根据这点我们可以建立下面的模型:
其中{at}是白噪声序列,这个模型与简单线性回归模型有相同的形式,这个模型也叫做一阶自回归(AR)模型,简称AR(1)模型
从AR(1)很容易推广到AR(p)模型:
AR(p)模型的特征根及平稳性检验
我们先假定序列是弱平稳的,则有;
因为{at}是白噪声序列,因此有:
所以有:
已知在t−1时刻的数据rt−1,在预测t时刻rt时可能是有用的!
根据这点我们可以建立下面的模型:
其中{at}是白噪声序列,这个模型与简单线性回归模型有相同的形式,这个模型也叫做一阶自回归(AR)模型,简称AR(1)模型
从AR(1)很容易推广到AR(p)模型:
我们先假定序列是弱平稳的,则有;
因为{at}是白噪声序列,因此有:
所以有: