arma模型平稳性和可逆性的条件,如何理解MA模型的可逆性条件？它有什么意义？...

ARMA模型(Auto-Regressive and Moving Average Model)是研究时间序列的重要方法，由自回归模型(简称AR模型)与滑动平均模型(简称MA模型)为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。

ARMA模型三种基本形式

1.自回归模型(AR：Auto-regressive)； 如果时间序列yt满足 其中εt是独立同分布的随机变量序列，且满足： E(εt) = 0 则称时间序列为yt服从p阶的自回归模型。

自回归模型的平稳条件： 滞后算子多项式的根均在单位圆外，即φ(B) = 0的根大于1。

2.移动平均模型(MA：Moving-Average) 如果时间序列yt满足则称时间序列为yt服从p阶移动平均模型。

移动平均模型平稳条件：任何条件下都平稳。

3.混合模型(ARMA：Auto-regressive Moving-Average) 如果时间序列yt满足： 则称时间序列为yt服从(p,q)阶自回归滑动平均混合模型。

或者记为φ(B)yt = θ(B)εt