FRM| AR, MA和ARMA

最新推荐文章于 2023-05-07 10:24:36 发布

VIP文章 Trance_Fu63

最新推荐文章于 2023-05-07 10:24:36 发布

阅读量382

点赞数

分类专栏： FRM

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_41504254/article/details/115500019

版权

平稳的时间序列模型

autoregressive 自回归模型

当前值和过去的值（滞后项）线性相关且加上一个stochastic shock（epsilon t）

$Y_t = \delta + \phi Y_{t-1} + \epsilon_t$ , where $\epsilon_t$ ~WN(0, $\sigma^2$ )
$\phi$ 反映了 $Y_t$ 的持久性， $\phi$ 大即 $Y_t$ 收到 $Y_{t-1}$ 影响大
$\delta$ 是截距项
当 $｜\phi｜$ < 1， AR(1)是covariance-stationary（协方差平稳）
$E[Y_t] = E[Y_{t-h}] = \delta/(1-\phi)$

最低0.47元/天解锁文章

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
FRM| AR, MA和ARMA

平稳的时间序列模型autoregressive 自回归模型当前值和过去的值（滞后项）线性相关且加上一个stochastic shock（epsilon t）Yt=δ+ϕYt−1+ϵtY_t = \delta + \phi Y_{t-1} + \epsilon_tYt=δ+ϕYt−1+ϵt, where ϵt\epsilon_tϵt~WN(0, σ2\sigma^2σ2)ϕ\phiϕ反映了YtY_tYt的持久性，ϕ\phiϕ大即YtY_tYt收到Yt−1Y_{t-1}Yt−1影响大δ
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。