时间序列分析
平稳时间序列
平稳性是研究时间序列分析的前提
时间序列:按时间进行顺序排列,随时间变化相互关联的数据序列
时间序列分析:对时间序列进行观察研究,找寻它的发展规律,预测其将来发展状况
时间序列=趋势项+周期项+随机噪声项
A R M A 模 型 { A R 模 型 M A 模 型 A R M A 模 型 ARMA模型\begin{cases}AR模型\\ MA模型\\ARMA模型 \end{cases} ARMA模型⎩⎪⎨⎪⎧AR模型MA模型ARMA模型
AR模型
X t X_t Xt是p阶自回归模型 简记:AR§
X t = φ 0 + φ 1 X t − 1 + φ 2 X t − 2 + ⋯ + φ p X t − p + ϵ t X_t=\varphi_0+\varphi_1X_{t-1}+\varphi_2X_{t-2}+\cdots+\varphi_pX_{t-p}+\epsilon_t Xt=φ0+φ1Xt−1+φ2Xt−2+⋯+φpXt−p+ϵt
满足条件:
{ ε p ≠ 0 , 保 证 模 型 是 p 阶 E ( ε t ) = 0 , V a r ( ε t ) = σ ε 2 , E ( ε t ε s ) = 0 , s ≠ t , ε t 是 均 值 为 0 , 方 差 为 σ t 2 的 平 稳 白 噪 声 序 列 E ( X s ε t ) = 0 , ∀ s < t , 当 前 的 随 机 干 扰 与 过 去 序 列 值 无 关 \begin{cases}\varepsilon_p\neq0,保证模型是p阶\\ E(\varepsilon_t)=0, Var(\varepsilon_t)=\sigma_\varepsilon^2, E(\varepsilon_t\varepsilon_s)=0, s\neq t,\varepsilon_t是均值为0,方差为\sigma_t^2的平稳白噪声序列\\ E(X_s\varepsilon_t)=0,\forall s<t,当前的随机干扰与过去序列值无关\end{cases} ⎩⎪⎨⎪⎧εp=0,保证模型是p阶E(εt)=0,Var(εt)=σε2,E(εtεs)=0,s=t,εt是均值为0,方差为σt2的平稳白噪声序列E(Xsεt)=0,∀s<t,当前的随机干扰与过去序列值无关
则称 X t X_t Xt是阶数为p的自回归序列,
φ = ( φ 1 , φ 2 , ⋯ , φ t ) 自 回 归 参 数 向 量 其 分 量 φ j ( i = 1 , 2 , ⋯ , p ) 成 为 回 归 系 数 \varphi=(\varphi_1,\varphi_2,\cdots,\varphi_t) \quad 自回归参数向量\\其分量\varphi_j(i=1,2,\cdots,p)成为回归系数 φ=(φ1,φ2,⋯,φt)自回归参数向量其分量φj(i=1,2,⋯,p)成为回归系数
当