arma模型平稳性和可逆性的条件_时间序列 第三章 ARMA模型的特性.ppt

时间序列 第三章 ARMA模型的特性

第一节 线性差分方程 一、后移算子B定义为 三、? 齐次方程解的计算 1、AR(n)过程自相关函数ACF 1阶自回归模型AR(1) Xt=?Xt-1+ at 的k阶滞后自协方差为： Xt=?1Xt-1+ ?2Xt-2 + at 该模型的方差?0以及滞后1期与2期的自协方差?1, ?2分别为 一般地，n阶自回归模型AR(n) Xt=?1Xt-1+ ?2Xt-2 +… ?nXt-n + at 其中：zi是AR(n)特征方程?(z)=0的特征根，由AR(n)平稳的条件知，|zi|<1; 因此，当zi均为实数根时，?k呈几何型衰减(单调或振荡)； 当存在虚数根时，则一对共扼复根构成通解中的一个阻尼正弦波项， ?k呈正弦波衰减。 对MA(1)过程 其自协方差系数为 二、偏自相关函数 从Xt中去掉Xt-1的影响，则只剩下随机扰动项at，显然它与Xt-2无关，因此我们说Xt与Xt-2的偏自相关系数为零，记为 MA(1)过程可以等价地写成at关于无穷序列Xt，Xt-1，…的线性组合的形式： 与MA(1)相仿，可以验证MA(m)过程的偏自相关函数是非截尾但趋于零的。 ARMA(n,m)的自相关函数，可以看作MA(m)的自相关函数和AR(n)的自相关函数的混合物。 当n=0时，它具有截尾性质； 当m=0时，它具有拖尾性质； 当n、m都不为0时，它具有拖尾性质 从识别上看，通常： ARMA(n，m)过程的偏自相关函数(PACF)可能在n阶滞后前有几项明显的尖柱(spikes)，但从n阶滞后项开始逐渐趋向于零； 而它的自相关函数(ACF)则是在m阶滞后前有几项明显的尖