sas学习系列39.时间序列分析报告ⅲ—arima模型

《sas学习系列39.时间序列分析报告ⅲ—arima模型》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、39.时间序列分析Ⅱ——ARIMA模型随着对时间序列分析方法的深入研究，人们发现非平稳序列的确定性因素分解方法（如季节模型、趋势模型、移动平均、指数平滑等）只能提取显著的确定性信息，对随机性信息浪费严重，同时也无法对确定性因素之间的关系进行分析。而非平稳序列随机分析的发展就是为了弥补确定性因素分解方法的不足。时间序列数据分析的第一步都是要通过有效手段提取序列中所蕴藏的确定性信息。Box和Jenkins使用大量的案例分析证明差分方法是一种非常简便有效的确定性信息的提取方法。而Gramer分解定理则在理论上保证了适当阶数的差分一定可以充分提取确定性信息。

2、（一）ARMA模型即自回归移动平均移动模型，是最常用的拟合平稳时间序列的模型，分为三类：AR模型、MA模型和ARMA模型。一、AR(p)模型——p阶自回归模型1.模型：其中，，随机干扰序列εt为0均值、方差的白噪声序列（,t≠s），且当期的干扰与过去的序列值无关，即E(xtεt)=0.由于是平稳序列，可推得均值.若，称为中心化的AR(p)模型，对于非中心化的平稳时间序列，可以令，转化为中心化。记B为延迟算子，称为p阶自回归多项式，则AR(p)模型可表示为：.2.格林函数用来描述系统记忆扰动程度的函数，反映了影响效应衰减的快慢程度（回到平衡位置的速度）

3、，Gj表示扰动εt-j对系统现在行为影响的权数。例如，AR(1)模型（一阶非齐次差分方程），模型解为.3.模型的方差对于AR(1)模型，.4.模型的自协方差对中心化的平稳模型，可推得自协方差函数的递推公式：用格林函数显示表示：对于AR(1)模型，5.模型的自相关函数递推公式：对于AR(1)模型，.平稳AR(p)模型的自相关函数有两个显著的性质：（1）拖尾性指自相关函数ρ(k)始终有非零取值，不会在k大于某个常数之后就恒等于零；（2）负指数衰减随着时间的推移，自相关函数ρ(k)会迅速衰减，且以负指数（其中为自相关函数差分方程的特征根）的速度在减小。6.

4、模型的偏自相关函数自相关函数ρ(k)实际上并不只是xt与xt-k之间的相关关系，它还会受到中间k-1个随机变量xt-1,…,xt-k+1的影响。为了能剔除了中间k-1个随机变量的干扰，单纯测度xt与xt-k之间的相关关系，引入了滞后k偏自相关函数（PACF），计算公式为：其中，滞后k偏自相关函数实际上等于k阶自回归模型第k个回归系数：两边同乘以xt-k，求期望再除以得到取前k个方程构成的方程组：称为Yule-Walker方程，可以解出.可以证明平稳AR(p)模型，当k>p时，.即平稳AR(p)模型的偏自相关函数具有p步截尾性。注：实际上样本的随机性使

5、得偏自相关函数不是严格截尾，例如上面两图都1阶显著不为0，1阶之后都近似为0.二、MA(q)模型——q阶移动平均模型1.模型：其中，，随机干扰序列为0均值、方差的白噪声序列（,t≠s）。若μ=0，称为中心化的MA(q)模型，非中心化的MA(q)模型可以通过转化为中心化。记B为延迟算子，称为q阶自移动平均系数多项式，则中心化MA(q)模型可以表示为.2.模型的方差3.模型的自协方差只与滞后阶数k相关，且q阶截尾。当k=0时，当1≤k≤q时，当k>q时，.4.模型的自相关函数：（q阶截尾性）5.模型的滞后k阶偏自相关函数（中心化）可以证明滞后k阶偏自相关

6、函数具有拖尾性。6.模型的可逆性以MR(1)为例，模型Ⅰ：模型Ⅱ：它们的自相关函数相同（即相同的自相关函数对应不同的回归模型），为了保证对应的唯一性，需要增加约束条件，即MR(q)模型的可逆性条件。观察两个模型的第二种表示：当时，模型Ⅰ收敛、模型Ⅱ不收敛；当时，模型Ⅰ不收敛、模型Ⅱ收敛。表示成收敛形式的MR(q)模型称为可逆MR(q)模型。一个自相关函数只对应唯一一个可逆MR(q)模型。三、ARMA(p,q)模型——自回归移动平均模型1.模型其中，，，随机干扰序列εt为0均值、方差的白噪声序列（,t≠s），且当期的干扰与过去的序列值无关，即E(xtε

7、t)=0.若，则称为中心化的ARMA(p,q)模型。引入延迟算子，中心化的ARMA(p,q)模型可表示为：.显然，AR(p)和MA(q)模型是ARMA(p,q)模型的特例。2.数字特征（1）均值：;（2）自协方差函数：，其中Gi为格林函数；（3）自相关函数：3.模型的初步定阶对于平稳非白噪声序列，计算出样本自相关系数（ACF）和偏自相关系数（PACF），根据其性质估计自相关阶数和移动平均阶数，称为ARMA(p,q)模型的定阶。可以推导出：样本自相关函数和偏自相关函数都近似服从正态分布.取显著水平α=0.05，若样本自相关系数和样本偏自相关系数在最初的

8、k阶明显大于2倍标准差，而后几乎95%的系数都落在2倍标准差的范围内，且非零系数衰减为小值波动的过程非常突然