【ARMA仿真】ARMA模型卡尔曼滤波【含Matlab源码 2431期】

⛄一、ARMA模型

1 ARMA模型介绍及应用
对于平稳时间序列，自回归移动平均(ARMA)模型可用于研究时间经济变量的变化规律，ARMA(p,q)模型包括一个自回归过程AR§和一个移动平均MA(q)过程，其形式如下：

式(1)中：p,q分别表示滞后的阶数；u1是白噪声序列。

2 ARMA模型的背景知识介绍
ARMA在文献研究中被广泛应用于对时间序列的分析预测，由于大多数经济金融数据满足时间序列的特征，因此该模型尤其适用于研究经济学问题，是拟合满足平稳性约束的时间序列最经典的模型。ARMA 模型是由 AR 自回归过程和 MA 移动平均过程组成的自回归移动平均模型，其基本思想是通过揭示历史时间序列的运行规律，对未来的事物发展进行预测。

在 ARMA(p,q)模型的参数中，p代表自回归部分的滞后阶数，q代表移动平均部分的滞后阶数。通常ARMA(p,q)模型的形式可以表示为：

其中，{εt}是白噪声序列。AR模型和MA模型都是特殊的ARMA(p,q)模型。当p取值为0时，ARMA(0,q)代表的本质含义就是MA