在有些应用中,我们需要高阶的AR或MA模型才能充分地描述数据的动态结构,这样问题会变得很繁琐。为了克服这个困难,提出了自回归滑动平均(ARMA)模型。
基本思想是把AR和MA模型结合在一起,使所使用的参数个数保持很小。
模型的形式为:
其中,{at}为白噪声序列,p和q都是非负整数。AR和MA模型都是ARMA(p,q)的特殊形式。
利用向后推移算子B,上述模型可写成:
(后移算子B,即上一时刻)
这时候我们求rt的期望,得到:
和AR模型一毛一样。因此有着相同的特征方程:
该方程所有解的倒数称为该模型的特征根,如果所有的特征根的模都小于1,则该ARMA模型是平稳的。