【时间序列分析】07. 平稳序列的偏相关系数

平稳序列的偏相关系数

Yule-Walker 系数

在描述 Yule-Walker 方程的向量形式时，我们将自回归系数向量定义如下：
$${\mathbf{a}}_n=(a_{n,1},a_{n,2},\cdots ,a_{n,n}{)}^{\mathrm{T}}\triangleq (a_1,a_2,\cdots ,a_p,0,0,\cdots ,0{)}^{\mathrm{T}},n\ge p.$$
这一形式和偏相关系数有关，现在对这一定义进行更深的探讨。

设 { γ k } \{\gamma_k\} { γk​} 和 ${\mathbf{\Gamma }}_n$ 分别为平稳序列 { X t } \{X_t\} { Xt​} 的自协方差函数和 $n$ 阶自协方差矩阵，${\mathbf{\gamma }}_n$ 为 $n$ 阶自协方差向量，回顾定义如下：
$${\mathbf{\Gamma }}_n=\left[\begin{array}{cccc}{\gamma }_0& {\gamma }_1& \cdots & {\gamma }_{n-1}\\ {\gamma }_1& {\gamma }_0& \cdots & {\gamma }_{n-2}\\ ⋮& ⋮& & ⋮\\ {\gamma }_{n-1}& {\gamma }_{n-2}& \cdots & {\gamma }_0\end{array}\right],{\mathbf{\gamma }}_n=\left[\begin{array}{c}{\gamma }_1\\ {\gamma }_2\\ ⋮\\ {\gamma }_n\end{array}\right].$$
回顾 { γ k } \{\gamma_k\} { γk​} 的 $n$ 阶 Yule-Walker 方程为
$${\mathbf{\Gamma }}_n{\mathbf{a}}_n={\mathbf{\gamma }}_n.$$
在这里我们将 ${\mathbf{a}}_n=(a_{n,1},a_{n,2},\cdots ,a_{n,n}{)}^{\mathrm{T}}$ 称为 { γ k } \{\gamma_k\} { γk​} 的 $n$ 阶 Yule-Walker 系数。

当 ${\mathbf{\Gamma }}_n$ 正定时，${\mathbf{a}}_n$ 由 ${\gamma }_0,{\gamma }_1,\cdots ,{\gamma }_n$ 唯一决定。

最佳线性预测

首先我们描述一个平稳序列 { X t } \{X_t\} { Xt​} 的线性预测问题：设 { X t } \{X_t\} { Xt​} 是零均值平稳序列，考虑用 $X_1,X_2,\cdots ,X_n$ 对 $X_{n+1}$ 进行线性预测。即用 $X_1,X_2,\cdots ,X_n$ 的线性组合对 $X_{n+1}$ 进行预测，写成向量形式为
$$\sum _{j=1}^n{b}_{n,j}{X}_{n-j+1}={\mathbf{b}}_n^{\mathrm{T}}{\mathbf{X}}_n$$
其中 ${\mathbf{X}}_n=(X_n,X_{n-1},\cdots ,X_1{)}^{\mathrm{T}}$ ， ${\mathbf{b}}_n=(b_{n,1},b_{n,2}$