Contents
自回归滑动平均模型
A R M A ( p , q ) {\rm ARMA}(p,\,q) ARMA(p,q) 模型及其平稳解
为了描述更多的平稳序列,把自回归模型和滑动平均模型结合起来就得到了自回归滑动平均模型,下面给出定义:
设 { ε t } ∼ W N ( o , σ 2 ) \{\varepsilon_t\}\sim{\rm WN}(o,\,\sigma^2) { εt}∼WN(o,σ2) ,实系数多项式 A ( z ) A(z) A(z) 和 B ( z ) B(z) B(z) 没有公共根,满足 b 0 = 1 b_0=1 b0=1 , a p b q ≠ 0 a_pb_q\neq0 apbq=0 和
A ( z ) = 1 − ∑ j = 1 p a j z j ≠ 0 , ∣ z ∣ ≤ 1 , A(z)=1-\sum_{j=1}^pa_jz^j\neq0 \ , \ \ \ \ |z|\leq1\ , A(z)=1−j=1∑pajzj=0 , ∣z∣≤1 ,B ( z ) = ∑ j = 0 q b j z j ≠ 0 , ∣ z ∣ < 1 , B(z)=\sum_{j=0}^qb_jz^j\neq0 \ , \ \ \ \ |z|<1 \ , B(z)=j=0∑qbjzj=0 , ∣z∣<1 ,
定义差分方程
X t = ∑ j = 1 p a j X t − j + ∑ j = 0 q b j ε t − j , t ∈ Z X_t=\sum_{j=1}^pa_jX_{t-j}+\sum_{j=0}^qb_j\varepsilon_{t-j} \ , \ \ \ \ t\in\Z Xt=j=1∑pajXt−j+j=0∑qbjεt−j , t∈Z
是一个自回归滑动平均模型,简称为 A R M A ( p , q ) {\rm ARMA}(p,\,q) ARMA(p,q) 模型。利用推移算子可以将模型改写为
A ( B ) X t = B ( B ) ε t , t ∈ Z . A(\mathscr{B})X_t=B(\mathscr{B})\varepsilon_t \ , \ \ \ \ t\in\Z. A(B)Xt=B(B)εt , t∈Z.
满足此模型的平稳序列被称为 A R M A ( p , q ) {\rm ARMA}(p,q) ARMA(p,q) 序列。
定义 Φ ( z ) = A − 1 ( z ) B ( z ) \Phi(z)=A^{-1}(z)B(z) Φ(z)=A−1(z)B(z) ,由于 A ( z ) A(z) A(z) 满足最小相位性条件,所以存在 ρ > 1 \rho>1 ρ>1 ,使得在 { z : ∣ z ∣ ≤ ρ } \{z:|z|\leq\rho\} {
z:∣z∣≤ρ} 内, Φ ( z ) \Phi(z) Φ(z) 解析,从而有泰勒展开式
Φ ( z ) = A − 1 ( z ) B ( z ) = ∑ j = 0 ∞ ψ j z j , ∣ z ∣ ≤ ρ . \Phi(z)=A^{-1}(z)B(z)=\sum_{j=0}^\infty\psi_jz^j \ , \ \ \ \ |z|\leq\rho . Φ(z)=A−1(z)B(z)=j=0∑∞ψjzj , ∣z∣≤ρ.
类似地,我们得到 A R M A ( p , q ) {\rm ARMA}(p,\,q) ARMA(p,q) 序列的唯一的平稳解:
X t = A − 1 ( B ) B ( B ) ε t = Φ ( B ) ε t = ∑ j = 0 ∞ ψ j ε t − j , t ∈ Z . X_t=A^{-1}(\mathscr{B})B(\mathscr{B})\varepsilon_t=\Phi(\mathscr{B})\varepsilon_t=\sum_{j=0}^\infty \psi_j\varepsilon_{t-j} \ , \ \ \ \ t\in\Z. Xt=A−1(B)B(B)εt=Φ(B)εt=j=0∑∞ψjεt−j , t∈Z.
其中 { ψ j } \{\psi_j\} {
ψj} 被称为 { X t } \{X_t\} {
Xt} 的 Wold 系数。类似于 A R ( p ) {\rm AR}(p) AR(p) 序列的 Wold 系数, A R M A ( p , q ) {\rm ARMA}(p,\,q) ARMA(p,q) 序列也有 Wold 系数递推公式。
记 a 0 = − 1 a_0=-1 a0=−1 ,定义模型参数 a p = ( a 1 , a 2 , ⋯ , a p ) T \boldsymbol{a}_p=(a_1,a_2,\cdots,a_p)^{\rm T} ap=(a1,a2,⋯,ap)T , b q = ( b 1 , b 2 , ⋯ , b q ) T \boldsymbol{b}_q=(b_1,b_2,\cdots,b_q)^{\rm T} bq=(b1,b2,⋯,bq)T ,补充定义当 k < 0 k<0 k<0 时 ψ k = 0 \psi_k=0 ψk=0 。我们可以得到 { ψ j } \{\psi_j\} {
ψj} 的递推公式:
ψ j = { 0 , j < 0 , 1 , j = 0 , b j + ∑ k = 1 p a k ψ j − k , j = 1 , 2 , ⋯ . \psi_j=\left\{ \begin{array}{ll} 0\ \ , &j<0 \ , \\ 1\ \ , &j=0 \ , \\ b_j+\displaystyle\sum_{k=1}^pa_k\psi_{j-k} \ , & j=1,2,\cdots \ . \end{array} \right. ψj=⎩⎪⎪⎪⎨⎪⎪⎪⎧0 ,1 ,bj+k=1∑pakψj−k ,j<0 ,j=0 ,j=1,2,⋯ .
推导过程如下:
A ( z ) Φ ( z ) = ∑ k = 0 p ( − a k ) z k ∑ l = 0 ∞ ψ l z l = ∑ l = 0 ∞ ∑ k = 0 p ( − a k ) ψ l z l + k = j = l + k ∑ j = 0 ∞ ∑ k = 0 p ( − a k ) ψ j − k z j = B ( z ) = ∑ j = 0 q b j z j , \begin{aligned} A(z)\Phi(z) &=\sum_{k=0}^p(-a_k)z^k\sum_{l=0}^\infty\psi_lz^l \\ &=\sum_{l=0}^\infty\sum_{k=0}^p(-a_k)\psi_lz^{l+k} \\ &\xlongequal{j=l+k}\sum_{j=0}^\infty\sum_{k=0}^p(-a_k)\psi_{j-k}z^{j}\\ &=B(z)=\sum_{j=0}^qb_jz^j \ , \end{aligned} A(z)Φ(z)=k=0∑p(−ak)zkl=0∑∞ψlzl=l=0∑∞k=0∑p(−ak)ψlzl+kj=l+kj=0∑∞k=0∑p(−ak)ψj−kzj=B(z)=j=0∑qbjzj ,
系数对应:
∑ k = 0 p ( − a k ) ψ j − k = b j , j ≥ 1 , \sum_{k=0}^p(-a_k)\psi_{j-k}=b_j \ , \ \ \ \ j\geq1 \ , k=0∑p(−ak)ψj−k=bj , j≥1 ,
ψ j = ∑ k = 1 p a k ψ j − k + b j , j ≥ 1. \psi_j=\sum_{k=1}^pa_k\psi_{j-k}+b_j \ , \ \ \ \ j\geq1. ψj=k=1∑pakψj−k+bj , j≥1.
A R M A ( p , q ) {\rm ARMA}(p,\,q) ARMA(p,q) 序列的可逆性
在之前 A R M A {\rm ARMA} ARMA 的模型设定和 Wold 系数的定义中,我们只要求 A ( z ) A(z) A(z) 满足最小相位性,
A ( z ) = 1 − ∑ j = 1 p a j z j ≠ 0 , ∣ z ∣ ≤ 1 , A(z)=1-\sum_{j=1}^pa_jz^j\neq0 \ , \ \ \ \ |z|\leq1\ , A(z)=1−j=1∑pajzj=0 , ∣z∣≤1 ,
而对于 B ( z ) B(z) B(z) 我们只要求根不在单位圆的内部。类似