arma模型平稳性和可逆性的条件_平稳时间序列分析01---AR模型

引言

根据Wold分解定理，任意一个离散平稳时间序列都可以分解为一个确定性平稳序列和一个随机性平稳序列之和。且确定性序列可以表达为历史序列值的线性函数，而随机性序列可以表达为历史新息（历史纯随机波动）的线性组合，即

上式在统计上被称为自回归移动平均模型 (auto-regression moving average), 简称为 ARMA模型。

Wold分解定理保证了平稳序列一定可以用某个 ARMA 模型等价表达, 所以 ARMA模型是目前最常用的平稳序列拟合与预测模型。

ARMA 模型实际上是一个模型族, 它又可细分为 AR 模型, MA 模型和 ARMA 模型三大类。

AR模型的定义

具有如下结构的模型称为p阶自回归模型，简记为

特别当

时，称为中心化

模型

令

，称

是

的中心化序列

自回归系数多项式

引进延迟算子，中心化

模型又可以简记为

称下式为p阶自回归系数多项式

延迟算子

延迟算子类似于一个时间指针，当前序列值乘以一个延迟算子，就相当于把当前序列值的时间向过去拨了一个时刻

记B为延迟算子，有

所以

模型的简写形式如下导出

延迟算子的性质

AR模型平稳性判别

• 判别原因

要拟合一个平稳序列的发展, 用来拟合的模型显然也应该是平稳的。AR 模型是常用的平稳序列的拟合模型之一, 但并非所有的 AR 模型都是平稳的。

• 判别方法

特征根判别法

平稳域判别法

例1

考察如下四个模型的平稳性

平稳特征