【时间序列分析】模型识别与估计（部分笔记）

建模步骤

模型定阶的困难

• 因为由于样本的随机性， 样本的相关系数不会呈现理论截尾的完美情况，本应截尾的$\widehat{{\rho }_k}$或仍会呈现出小值震荡的情况

样本相关系数的近似分布

• Barlett
  $${\hat{\rho }}_k\sim N(0,\frac{1}{n}),n\to \infty$$

• Quenouille
  $${\hat{\varphi }}_{kk}\sim N(0,\frac{1}{n}),n\to \infty$$

模型定阶的经验方法

• 95%的置信区间
  $$\begin{gathered} Pr(-\frac{2}{\sqrt{n}}\le {\hat{\rho }}_k\le \frac{2}{\sqrt{n}})\ge 0.95 \\ Pr(-\frac{2}{\sqrt{n}}\le {\hat{\varphi }}_{kk}\le \frac{2}{\sqrt{n}})\ge 0.95 \end{gathered}$$
• 模型定阶的经验方法
  – 如果样本（偏）自相关系数在最初的d阶明显大于两倍标准差范围，而后几乎95%的自相关系数都落在2倍标准差的范围以内，而且通常由非零自相关系数衰减为小指波动的过程非常突然。这时，通常视为（偏）自相关系数截尾。截尾阶数为d。