Contents
A R ( p ) {\rm AR}(p) AR(p) 序列的自协方差函数与谱密度
A R ( p ) {\rm AR}(p) AR(p) 序列的自协方差函数
写出 A R ( p ) {\rm AR}(p) AR(p) 模型的平稳解为
X t = A − 1 ( B ) ϵ t = ∑ j = 0 ∞ ψ j ϵ t − j , t ∈ Z . X_t=A^{-1}(\mathscr{B})\epsilon_t=\sum_{j=0}^\infty\psi_j\epsilon_{t-j} \ , \ \ \ \ t\in\Z. Xt=A−1(B)ϵt=j=0∑∞ψjϵt−j , t∈Z.
由线性平稳序列的性质知 { X t } \{X_t\} {
Xt} 为零均值 E ( X t ) = 0 {\rm E}(X_t)=0 E(Xt)=0 ,且有自协方差函数
γ k = E ( X t + k X t ) = σ 2 ∑ j − 0 ∞ ψ j ψ j + k , k = 0 , 1 , 2 , . . . \gamma_k={\rm E}(X_{t+k}X_t)=\sigma^2\sum_{j-0}^\infty\psi_j\psi_{j+k} \ , \ \ \ \ k=0,1,2,... γk=E(Xt+kXt)=σ2j−0∑∞ψjψj+k , k=0,1,2,...
之前已经证明 Wold 系数的负指数阶收敛性 ψ j = o ( ρ − j ) \psi_j=o(\rho^{-j}) ψj=o(ρ−j) , 1 < ρ < min { ∣ z j ∣ } 1<\rho<\min\{|z_j|\} 1<ρ<min{
∣zj∣} ,因此有
∣ γ k ∣ ≤ σ 2 ∑ j = 0 ∞ ∣ ψ j ∣ ∣ ψ j + k ∣ ≤ σ 2 ( ∑ j = 0 ∞ ψ j 2 ∑ j = 0 ∞ ψ j + k 2 ) 1 2 ≤ c 0 ( ∑ j = k ∞ ρ − 2 j ) 1 2 ≤ c 1 ρ − k |\gamma_k|\leq\sigma^2\sum_{j=0}^\infty|\psi_j||\psi_{j+k}|\leq\sigma^2\left(\sum_{j=0}^\infty\psi_j^2\sum_{j=0}^\infty\psi_{j+k}^2\right)^{\frac12}\leq c_0\left(\sum_{j=k}^\infty\rho^{-2j}\right)^\frac12\leq c_1\rho^{-k} ∣γk∣≤σ2j=0∑∞∣ψj∣∣ψj+k∣≤σ2(j=0∑∞ψj2j=0∑∞ψj+k2)21≤c0⎝⎛j=k∑∞ρ−2j⎠⎞21≤c1ρ−k
其中 c 0 , c 1 c_0,\,c_1 c0,c1 为正常数。因此 A R ( p ) {\rm AR}(p) AR(p) 序列的自协方差函数 { γ k } \{\gamma_k\} {
γk} 也是以负指数阶收敛到 0 0 0 的,且 min { ∣ z j ∣ } \min\{|z_j|\} min{
∣zj∣} 越大, ψ k \psi_k ψk 的收敛速度越快。说明 A R ( p ) {\rm AR}(p) AR(p) 序列前后的相关性减少很快,称为时间序列的短记忆性。
Yule-Walker 方程
首先我们需要补充说明平稳解的合理性,即说明 t t t 时刻的随机现象 X t X_t Xt 和将来的白噪声 ϵ t + k , k ≥ 1 \epsilon_{t+k},\ k\geq1 ϵt+k, k≥1 无关。我们对平稳解的两边同乘 ϵ t + k \epsilon_{t+k} ϵt+k 并取数学期望,由控制收敛定理得到
E ( X t ϵ t + k ) = ∑ j = 0 ∞ ψ j E ( ϵ t − j ϵ t + k ) = 0 , k ≥ 1. {\rm E}(X_t\epsilon_{t+k})=\sum_{j=0}^\infty\psi_j{\rm E}(\epsilon_{t-j}\epsilon_{t+k})=0 \ , \ \ \ \ k\geq1. E(Xtϵt+k)=j=0∑∞ψjE(ϵt−jϵt+k)=0 , k≥1.
特别地,如果 { ϵ t } \{\epsilon_t\} {
ϵt} 是独立白噪声,则 X t X_t Xt 和将来的白噪声独立。
本章中我们先给出 Yule-Walker 方程的表现形式,然后在给予推导。
形式一: A R ( p ) {\rm AR}(p) AR(p) 序列的自协方差函数满足 A R ( p ) {\rm AR}(p) AR(p) 模型 A ( B ) X t = ϵ t A(\mathscr{B})X_t=\epsilon_t A(B)Xt=ϵt 相应的其次差分方程
γ k = a 1 γ k − 1 + a 2 γ k − 2 + . . . + a p γ k − p , k ≥ 1 \gamma_k=a_1\gamma_{k-1}+a_2\gamma_{k-2}+...+a_p\gamma_{k-p} \ , \ \ \ \ k\geq1 γk=a1γk−1+a2γk−2