本文介绍了时间序列分析中的纯随机过程与白噪声概念，接着讲解了线性时间序列模型，重点探讨了自回归模型AR和滑动平均模型MA。AR模型通过前一时刻的数据对未来进行预测，MA模型则利用过去随机干扰的线性组合预测当前值。文中还提到了模型的平稳性、特征根检验以及定阶方法，并通过ACF和PACF图帮助理解模型阶次。
1. 纯随机过程与白噪声 (white noise)
随机变量X(t)(t=1,2,3……)，如果是由一个不相关的随机变量的序列构成的，即对于所有S不等于T，随机变量Xt和Xs的协方差为零，则称其为纯随机过程。对于一个纯随机过程来说，若其期望和方差均为常数，则称之为白噪声过程。
白噪声过程的样本实称为白噪声序列，简称白噪声。无自相关性的平稳的时间序列就是白噪声序列。标准的正态分布和均匀分布都可以模拟出白噪声序列。
2. 线性时间序列
后面要介绍的AR、MA、ARMA，都是线性模型。
随着i的增大，系数趋近于0，远处的扰动 at−i 对rt的影响会逐渐消
最低0.47元/天 解锁文章
7328
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
