混合自回归移动平均过程

差分方程

所谓差分方程即将变量$y_t$与它的滞后期联系起来的表达式。
研究变量在第t期的值记为$y_t$。假定给出的动态方程将变量y第t期的值与另外的变量$w_t$以及y的前一期联系起来:

$$y_t=\phi y_{t-1}+w_t$$
上述称为一阶差分方程是因为仅仅只有变量的一阶滞后( $y_{t-1}$)出现在方程中。

移动平均

“移动平均”的含义源于$Y_t$是最近两期的$\epsilon$的加权平均。
令{$\epsilon_t$}是一个白噪声序列。

$$Y_t = \mu + \epsilon_t + \theta\epsilon_{t-1}$$
其中 $\mu$和 $\theta$可以是任意的常数。这个时间序列称为一阶移动平均过程，记为MA(1).

自回归过程

一阶自回归过程

一个一阶自回归，记作AR(1)满足下面的差分方程

$$Y_t = c + \phi Y_{t-1} + \epsilon_t$$
{ $\epsilon_t$}是一个白噪声序列。

p阶自回归过程

一个p阶自回归，记作AR(p)满足下式

$$Y_t = c + \phi_1 Y_{t-1} + \phi_2 Y_{t-2} + ... + \phi_p Y_{t-p} +\epsilon_t$$

混合自回归移动平均过程

一个ARMA(p,q)过程包括自回归和移动平均项：

$$Y_t = c + \phi_1 Y_{t-1} + \phi_2 Y_{t-2} + ... + \phi_p Y_{t-p} +\epsilon_t + \theta_1\epsilon_{t-1} + \theta_2\epsilon_{t-2} + ... + \theta_q\epsilon_{t-q}$$