平稳序列中,往往 (X1,⋯,Xn) 与 Xn+1 不独立。所以利用历史样本来预测未来时间就有了可能。
一般来讲,获取平稳序列的办法是:将时间序列的趋势项和季节项都去掉。只留下随机项。
首先看一下自协方差函数。它满足三条性质(称为非负定序列):
- 对称性
- 非负定性:自协方差矩阵是非负定的。
- 有界性: |γk|≤γ0
样本的自协方差函数: γk^=1N∑N−kt=1(xt+k−x¯)(xt−x¯)
模型与基本数据
- 平稳序列:如果一个时间序列:二阶矩有限,一阶矩为常数,自协方差函数对于各个位置相同。这三个角度也是刻画时间序列的常用角度。
- 平稳序列的平稳性主要体现在均值不变、方差有限。别的限制很弱。自协方差函数的不变性仍然允许周期性的出现。
- 平稳序列的周期性:可以体现在它的自协方差函数。
- 序列相关性:连续n个点上面的自协方差矩阵退化 ⇔ 存在非0的n维实数向量使得这n个点的线性组合的方差为0. 即这n个点的r.v. 线性相关。如果有n个向量线性相关,那么任意n+1个连续随机变量也是线性相关的。
- 时间序列的线性变换指的是对每个r.v.进行线性变换,而不是多个r.v.的加和。平稳序列经过线性变换之后仍然是平稳序列。
- 自相关函数:平稳序列 { Xt} 标准化后的序列 { Yt} 的自协方差函数 ρk=γk/γ0 . 它也是非负定序列。
- 白噪声:白噪声是最简单的平稳序列,它比正常假设多了一条:二阶矩不相关。即 Cov(ϵt,ϵs)=δt−sσ2
- 分类:独立白噪声、零均值白噪声、标准白噪声、正态白噪声……
- 白噪声主要用来描述简单随机干扰。
- Poisson白噪声:Poisson过程减去均值,就是一个Poisson白噪