时间序列分析复习

第二章 时间序列的预处理
拿到一个观察值序列之后，首先要对序列的平稳性和纯随机性进行检验。这两个检验称为序列的预处理。
2.1 平稳序列的定义
2.1.1特征统计量
平稳性是某些时间序列具有的一种统计特征。要描述清楚这个特征，我们必须借助以下统计工具。
一、概率分布
数理统计的基础知识告诉我们分布函数或密度函数能够完整地描述一个随机变量的统计特征。同样，一个随机变量族{Xt}的统计特性完全由它们的联合分布函数或联合密度函数决定。
对于时间序列{Xt,t∈T}，这样定义它的概率分布：
任取正整数m，t1…tm∈T，则m维随机向量(Xt1,…,Xtm)'的联合概率分布记为Ft1,…,tm(X1,…,Xm)，由这些有限维分布函数构成的全体Ft1,…,tm(X1,…,Xm)就称为序列{Xt}的概率分布族。
概率分布族是极其重要的统计特征描述工具，因为序列的所有统计性质理论上都可以通过概率分布推导出来，但是概率分布族的重要性仅仅停留在这样的理论意义上。在实际应用中，要得到序列的来拟合概率分布几乎是不可能的，而且联合概率分布通常涉及非常复杂的数学运算，这些原因导致我们很少直接使用联合概率分布来进行时间序列分析。
二、特征统计量
一种更简单、更实用的描述时间序列统计特征的方法是研究该序列的低阶矩，特别是均值、方差、自协方差和自相关系数，它们也称为特征统计量。
2.1.2 平稳时间序列的定义
平稳时间序列有两种定义，根据限制条件的严格程度，分为严平稳时间序列和宽平稳时间序列。
一、严平稳
序列所有的统计性质都不会随着时间的推移而发生变化。而我们知道，随机变量族的统计性质完全由他们的联合分布族决定，所以严平稳时间序列通常只有理论意义，实践中用得更多的是条件比较宽松的宽平稳时间序列。
二、宽平稳
序列低阶（二阶）矩平稳，就能保证序列的主要性质近似稳定。
（1）任取t∈T，有EXt^2＜∞；
（2）任取t∈T，有EXt=μ，μ为常数；
（3）任取t，s，k∈T，且k+s-t∈T，有γ（t，s）=γ（k，k+s-t），则称{Xt}为宽平稳时间序列。宽平稳也称为弱平稳或二阶平稳。注意：柯西分布的严平稳不是宽平稳序列，因为它不存在一、二阶矩。严格地讲，只有 存在二阶矩的严平稳序列才一定是宽平稳序列。
2.1.3 平稳时间序列的统计性质
（1）常数均值。
EXt=μ
（2）自协方差函数和自相关系数只依赖于时间的平移长度而与时间的起止点无关