吴喜之老师的时间序列分析第二章后半部分。以ARIMA模型为终点和季节ARIMA的介绍为结局,介绍了ARMA模型,以及将其转换为MA模型和AR模型的方法,并且每节都介绍了模型收敛条件。其中涉及到均数和方差的推导,包括协方差函数,自相关函数,偏协方差函数,偏自相关函数。通过自相关函数判断q. 以及偏相关函数判断p. 而这种判断是否会随着系数的给定存在差异,文中通过例子给出了实际的证明。通过Xt不平稳,而d阶差分平稳可以判断ARIMA模型的参数d。
文中第八节介绍了AR模型,介绍了因果平稳,Yule-Walker方程,给出自相关函数的等式,又通过偏自相关函数的条形图判断AR的阶数,第九节介绍了ARMA模型。并通过算式相除得到可以化为纯AR或MA过程。同时给出化为MA过程中参数的求解。最后给出因果平稳的条件。当然文章省略了一些推理过程。所以重在梳理脉络。