Green函数
在大三学习时间序列时也没有怎么弄懂,此次重新回顾一番,希望能有更深的理解。
在时序分析中,Green函数出现在AR模型的方差计算中,用于计算AR模型的方差。
定义
假设
x
t
{x_t}
xt为任意阶数的AR模型,那么一定存在一个常数序列
{
G
j
}
(
j
=
0
,
1
,
2
,
.
.
.
)
\{G_j\}(j=0,1,2,...)
{Gj}(j=0,1,2,...),使得
x
t
{x_t}
xt可以等价表达为纯随机序
{
ϵ
t
}
\{\epsilon_t\}
{ϵt}的线性组合,即:
x
t
=
G
0
ϵ
t
+
G
1
ϵ
t
−
1
+
G
2
ϵ
t
−
2
+
.
.
.
x_t=G_0\epsilon_t+G_1\epsilon_{t-1}+G_2\epsilon_{t-2}+...
xt=G0ϵt+G1ϵt−1+G2ϵt−2+...
这个常数序列
{
G
j
}
\{G_j\}
{Gj}就称为Green函数。
我们知道,引入延迟算子时,p阶AR模型可以表示为:
Φ
(
B
)
x
t
=
ϵ
t
\Phi(B)x_t=\epsilon_t
Φ(B)xt=ϵt
其中
Φ
(
B
)
=
1
−
ϕ
1
B
−
ϕ
2
B
2
−
.
.
.
−
ϕ
p
B
p
\Phi(B)=1-\phi_1B-\phi_2B^2-...-\phi_pB^p
Φ(B)=1−ϕ1B−ϕ2B2−...−ϕpBp。
而
x
t
{x_t}
xt又可以用Green函数等价表达为:
x
t
=
G
(
B
)
ϵ
t
x_t=G(B)\epsilon_t
xt=G(B)ϵt
其中
G
(
B
)
=
G
0
+
G
1
B
+
G
2
B
2
+
.
.
.
G(B)=G_0+G_1B+G_2B^2+...
G(B)=G0+G1B+G2B2+...。
两式合并,可得到:
Φ
(
B
)
G
(
B
)
ϵ
t
=
ϵ
t
\Phi(B)G(B)\epsilon_t=\epsilon_t
Φ(B)G(B)ϵt=ϵt
左式可写为:
(
1
−
∑
k
=
1
p
ϕ
k
B
k
)
(
∑
j
=
0
∞
G
j
B
j
)
ϵ
t
=
ϵ
t
(1-\sum_{k=1}^p\phi_kB^k)(\sum_{j=0}^\infty G_j B^j)\epsilon_t=\epsilon_t
(1−k=1∑pϕkBk)(j=0∑∞GjBj)ϵt=ϵt
展开可得:
(
1
−
ϕ
1
B
−
ϕ
2
B
2
−
.
.
.
−
ϕ
p
B
p
)
(
G
0
+
G
1
B
+
G
2
B
2
+
.
.
.
)
ϵ
t
=
ϵ
t
(1-\phi_1 B-\phi_2 B^2-...-\phi_pB^p)(G_0+G_1B+G_2B^2+...)\epsilon_t=\epsilon_t
(1−ϕ1B−ϕ2B2−...−ϕpBp)(G0+G1B+G2B2+...)ϵt=ϵt
观察
B
t
B^t
Bt系数:
B
0
:
G
0
B^0:G_0
B0:G0
B
1
:
G
1
−
G
0
ϕ
1
B^1:G_1-G_0\phi_1
B1:G1−G0ϕ1
B
2
:
G
2
−
G
0
ϕ
2
−
G
1
ϕ
1
B^2:G_2-G_0\phi_2-G_1\phi_1
B2:G2−G0ϕ2−G1ϕ1
.
.
.
...
...
B
p
:
G
p
−
G
0
ϕ
p
−
G
1
ϕ
p
−
1
−
G
2
ϕ
p
−
2
−
.
.
.
−
G
p
−
1
ϕ
1
B^p:G_p-G_0\phi_p-G_1\phi_{p-1}-G_2\phi_{p-2}-...-G_{p-1}\phi_1
Bp:Gp−G0ϕp−G1ϕp−1−G2ϕp−2−...−Gp−1ϕ1
B
p
+
1
:
G
p
+
1
−
G
1
ϕ
p
−
G
2
ϕ
p
−
1
−
G
3
ϕ
p
−
2
−
.
.
.
−
G
p
ϕ
1
B^{p+1}:G_{p+1}-G_1\phi_p-G_2\phi_{p-1}-G_3\phi_{p-2}-...-G_p\phi_1
Bp+1:Gp+1−G1ϕp−G2ϕp−1−G3ϕp−2−...−Gpϕ1
B
p
+
2
:
G
p
+
2
−
G
2
ϕ
p
−
G
3
ϕ
p
−
1
−
.
.
.
−
G
p
ϕ
2
B^{p+2}:G_{p+2}-G_2\phi_{p}-G_3\phi_{p-1}-...-G_p\phi_2
Bp+2:Gp+2−G2ϕp−G3ϕp−1−...−Gpϕ2
Φ
(
B
)
G
(
B
)
ϵ
t
=
[
G
0
−
∑
j
=
1
∞
(
G
j
−
∑
k
=
0
j
G
k
ϕ
j
−
k
)
B
j
]
ϵ
t
=
ϵ
t
\Phi(B)G(B)\epsilon_t = [G_0-\sum_{j=1}^\infty(G_j-\sum_{k=0}^jG_k\phi_{j-k})B_j ]\epsilon_t=\epsilon_t
Φ(B)G(B)ϵt=[G0−j=1∑∞(Gj−k=0∑jGkϕj−k)Bj]ϵt=ϵt
要使等号两边成立,即要满足两个条件:
{
G
0
=
1
∑
j
=
1
∞
(
G
j
−
∑
k
=
0
j
ϕ
k
′
G
j
−
k
)
=
0
,
∀
j
≥
1
\begin{cases} G_0=1 \\ \sum_{j=1}^\infty(G_j-\sum_{k=0}^j\phi_k^{'} G_{j-k})=0,\forall j \geq1 \end{cases}
{G0=1∑j=1∞(Gj−∑k=0jϕk′Gj−k)=0,∀j≥1
其中:
ϕ
(
k
)
=
{
ϕ
k
,
k
<
=
p
0
,
k
>
p
\phi(k)=\begin{cases} \phi_k,k<=p \\ 0,k>p\end{cases}
ϕ(k)={ϕk,k<=p0,k>p
由此可得到任意平稳的p阶AR模型的Green函数递推公式为:
G
j
=
{
1
,
j
=
0
∑
k
=
0
j
ϕ
k
′
G
j
−
k
,
j
≥
1
G_j=\begin{cases}1, j=0 \\ \sum_{k=0}^j\phi_k^{'} G_{j-k},j \geq 1 \end{cases}
Gj={1,j=0∑k=0jϕk′Gj−k,j≥1