金融数据分析·时间序列·AR模型

第二章 金融时间序列线性模型

        时间序列是指将某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而成的序列。时间序列的发展可以追溯到1927年Yule提出的AR模型和1937年Walker提出的MA模型及将两个模型合并得到的ARMA模型；随后标志性的事件包括1970年Box和Jenkins中提出的ARIMA模型，1982年Engle提出的ARCH模型，1985年Bollerslov针对多变量的情况提出的GARCH模型。

1、AR（Autoregressive model，AR）模型，自回归模型

1.1 AR（1）模型

        自回归模型就是变量对变量自身滞后项进行回归。当x_t具有统计显著的滞后为1的自相关系数时，滞后值x_t−1可能会在预测x_t时有用。

上述模型称为一阶自回归模型（Autoregressive model，AR），或简称AR（1）模型。其中{a_t}是均值为0、方差为σ_a^2的白噪声序列。AR（1）模型有若干类似于简单线性回归模型的性质。假定序列{x_t}是弱平稳的，则有：

        其中μ和γ_0是常数，γ_j是j的函数而与t无关。

        即，AR（1）模型性质（总结）：