【时间序列分析】05. AR(p)序列的自协方差函数与谱密度

$\mathrm{A}\mathrm{R}(p)$ 序列的自协方差函数与谱密度

$\mathrm{A}\mathrm{R}(p)$ 序列的自协方差函数

写出 $\mathrm{A}\mathrm{R}(p)$ 模型的平稳解为
$$X_t=A^{-1}(\mathcal{B}){ϵ}_t=\sum _{j=0}^{\infty }{\psi }_j{ϵ}_{t-j},t\in \mathbb{Z}.$$
由线性平稳序列的性质知 { X t } \{X_t\} { Xt​} 为零均值 $\mathrm{E}(X_t)=0$ ，且有自协方差函数
$${\gamma }_k=\mathrm{E}(X_{t+k}{X}_t)={\sigma }^2\sum _{j-0}^{\infty }{\psi }_j{\psi }_{j+k},k=0,1,2,...$$
之前已经证明 Wold 系数的负指数阶收敛性 ${\psi }_j=o({\rho }^{-j})$ ， 1 < ρ < min ⁡ { ∣ z j ∣ } 1<\rho<\min\{|z_j|\} 1<ρ<min{ ∣zj​∣} ，因此有
$$|{\gamma }_k|\le {\sigma }^2\sum _{j=0}^{\infty }|{\psi }_j||{\psi }_{j+k}|\le {\sigma }^2{\left(\sum _{j=0}^{\infty }{\psi }_j^2\sum _{j=0}^{\infty }{\psi }_{j+k}^2\right)}^{\frac{1}{2}}\le c_0{\left(\sum _{j=k}^{\infty }{\rho }^{-2j}\right)}^{\frac{1}{2}}\le c_1{\rho }^{-k}$$
其中 $c_0,c_1$ 为正常数。因此 $\mathrm{A}\mathrm{R}(p)$ 序列的自协方差函数 { γ k } \{\gamma_k\} { γk​} 也是以负指数阶收敛到 $0$ 的，且 min ⁡ { ∣ z j ∣ } \min\{|z_j|\} min{ ∣zj​∣} 越大， ${\psi }_k$ 的收敛速度越快。说明 $\mathrm{A}\mathrm{R}(p)$ 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 $t$ 时刻的随机现象 $X_t$ 和将来的白噪声 ${ϵ}_{t+k},k\ge 1$ 无关。我们对平稳解的两边同乘 ${ϵ}_{t+k}$ 并取数学期望，由控制收敛定理得到
$$\mathrm{E}(X_t{ϵ}_{t+k})=\sum _{j=0}^{\infty }{\psi }_j\mathrm{E}({ϵ}_{t-j}{ϵ}_{t+k})=0,k\ge 1.$$
特别地，如果 { ϵ t } \{\epsilon_t\} { ϵt​} 是独立白噪声，则 $X_t$ 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： $\mathrm{A}\mathrm{R}(p)$ 序列的自协方差函数满足 $\mathrm{A}\mathrm{R}(p)$ 模型 $A(\mathcal{B})X_t={ϵ}_t$ 相应的其次差分方程
$${\gamma }_k=a_1{\gamma }_{k-1}+a_2{\gamma }_{k-2}$$