版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
三、ARMA模型1、定義具有如下結(jié)構(gòu)的模型稱為自回歸移動(dòng)平均模型,簡(jiǎn)記為ARMA(p,q)特別當(dāng)φ0=0時(shí),稱為中心化ARMA(p,q)模型用過(guò)去的自己,并考慮到隨機(jī)干擾或誤差序列來(lái)預(yù)測(cè)自己三、ARMA模型1、定義具有如下結(jié)構(gòu)的模型稱為自回歸移動(dòng)1系數(shù)多項(xiàng)式引進(jìn)延遲算子,中心化ARMA(p,q)模型可簡(jiǎn)記為
其中p階自回歸系數(shù)多項(xiàng)式:q階移動(dòng)平均系數(shù)多項(xiàng)式:系數(shù)多項(xiàng)式引進(jìn)延遲算子,中心化ARMA(p,q)模型可簡(jiǎn)記為22、平穩(wěn)條件與可逆條件ARMA(p,q)模型的平穩(wěn)條件P階自回歸系數(shù)多項(xiàng)式Φ(B)=0的根都在單位圓外,即ARMA(p,q)模型的平穩(wěn)性完全由其自回歸部分的平穩(wěn)性決定ARMA(p,q)模型的可逆條件q階移動(dòng)平均系數(shù)多項(xiàng)式θ(B)=0的根都在單位圓外,即ARMA(p,q)模型的可逆性完全由其移動(dòng)平滑部分的可逆性決定2、平穩(wěn)條件與可逆條件ARMA(p,q)模型的平穩(wěn)條件33、傳遞形式與逆轉(zhuǎn)形式傳遞形式逆轉(zhuǎn)形式Green函數(shù):逆函數(shù):可轉(zhuǎn)化為無(wú)窮階MA模型可轉(zhuǎn)化為無(wú)窮階AR模型3、傳遞形式與逆轉(zhuǎn)形式傳遞形式逆轉(zhuǎn)形式Green函數(shù):逆函數(shù)44、ARMA(p,q)模型的統(tǒng)計(jì)性質(zhì)均值自協(xié)方差自相關(guān)系數(shù)自相關(guān)系數(shù)和偏自相關(guān)系數(shù)都具有拖尾性4、ARMA(p,q)模型的統(tǒng)計(jì)性質(zhì)均值5【例3.7】考察ARMA模型的自相關(guān)性ARMA(1,1):直觀地考察該模型自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的性質(zhì)。
【例3.7】考察ARMA模型的自相關(guān)性ARMA(1,1):6顯然,自相關(guān)系數(shù)和偏自相關(guān)系數(shù)拖尾樣本自相關(guān)圖樣本偏自相關(guān)圖顯然,自相關(guān)系數(shù)和偏自相關(guān)系數(shù)拖尾樣本自相關(guān)圖樣本偏自相關(guān)圖7ARMA模型相關(guān)性特征:模型自相關(guān)系數(shù)偏自相關(guān)系數(shù)AR(P)拖尾P階截尾MA(q)q階截尾拖尾ARMA(p,q)拖尾拖尾這也是直觀選擇擬合模型的常用方法之一ARMA模型相關(guān)性特征:模型自相關(guān)系數(shù)偏自相關(guān)系數(shù)AR(P)83.3平穩(wěn)序列的建模
建模步驟模型識(shí)別參數(shù)估計(jì)模型檢驗(yàn)?zāi)P蛢?yōu)化3.3平穩(wěn)序列的建模建模步驟9一、建模步驟平穩(wěn)非白噪聲序列計(jì)算樣本相關(guān)系數(shù)模型識(shí)別參數(shù)估計(jì)模型檢驗(yàn)?zāi)P蛢?yōu)化序列預(yù)測(cè)YesNo一、建模步驟平模型參數(shù)模型模序YesNo10二、計(jì)算樣本相關(guān)系數(shù)樣本自相關(guān)系數(shù)樣本偏自相關(guān)系數(shù)由克萊姆法則,解Yule-Walker方程組得到。二、計(jì)算樣本相關(guān)系數(shù)樣本自相關(guān)系數(shù)樣本偏自相關(guān)系數(shù)由克萊姆法11三、模型識(shí)別基本原則選擇模型拖尾P階截尾AR(P)q階截尾拖尾MA(q)拖尾拖尾ARMA(p,q)一般先通過(guò)時(shí)序圖直觀判斷序列平穩(wěn)性,再根據(jù)基本原則選擇模型。三、模型識(shí)別基本原則選擇模型拖尾P階截尾AR(P)q階截尾拖12模型定階的困惑:因樣本的隨機(jī)性,樣本的相關(guān)系數(shù)不會(huì)呈現(xiàn)出完全截尾,本應(yīng)截尾的自相關(guān)或偏自相關(guān)系數(shù)仍會(huì)呈現(xiàn)出小值振蕩;因平穩(wěn)時(shí)間序列具有短期相關(guān)性,隨著延遲階數(shù)無(wú)窮大時(shí),自相關(guān)或偏自相關(guān)系數(shù)都會(huì)衰減至0值附近作小值波動(dòng);沒(méi)有絕對(duì)的標(biāo)準(zhǔn),主要靠經(jīng)驗(yàn)。有時(shí)也利用一下由兩種系數(shù)的近似分布推出的結(jié)論。何時(shí)可作為截尾?何時(shí)為拖尾?模型定階的困惑:因樣本的隨機(jī)性,樣本的相關(guān)系數(shù)不會(huì)呈現(xiàn)出完全13樣本相關(guān)系數(shù)的近似分布Barlett定理Quenouille定理樣本相關(guān)系數(shù)的近似分布Barlett定理14模型定階的經(jīng)驗(yàn)方法95%的置信區(qū)間(正態(tài)分布2?σ原則)模型定階的經(jīng)驗(yàn)方法:若樣本(偏)自相關(guān)系數(shù)在最初d階明顯大于2倍標(biāo)準(zhǔn)差,后面幾乎95%的值都落在2倍標(biāo)準(zhǔn)差范圍內(nèi),且衰減為小值波動(dòng)的過(guò)程很突然。這時(shí)常視為截尾,截尾階數(shù)為d。何時(shí)可作為截尾?何時(shí)為拖尾?模型定階的經(jīng)驗(yàn)方法95%的置信區(qū)間(正態(tài)分布2?σ原則)何時(shí)15例2.5續(xù)選擇合適的ARMA模型擬合1950年—1998年北京市城鄉(xiāng)居民定期儲(chǔ)蓄比例序列。例2.5續(xù)選擇合適的ARMA模型擬合1950年—1998年北16序列自相關(guān)圖顯然,延遲3期后,雖自相關(guān)系數(shù)都落在2σ線內(nèi),但卻逐漸的衰減為小值波動(dòng),拖尾,平穩(wěn)。序列自相關(guān)圖顯然,延遲3期后,雖自相關(guān)系數(shù)都落在2σ線內(nèi),但17序列偏自相關(guān)圖顯然,除延遲1期的偏自相關(guān)系數(shù)顯著大于2σ線外,其它突然衰減為小值波動(dòng),可認(rèn)為1階截尾。所以可考慮擬合模型AR(1)序列偏自相關(guān)圖顯然,除延遲1期的偏自相關(guān)系數(shù)顯著大于2σ線外18【例3.8】美國(guó)科羅拉多州某一加油站連續(xù)57天的OVERSHORT序列
由時(shí)序圖可見(jiàn),無(wú)周期性和單調(diào)趨勢(shì),序列平穩(wěn)【例3.8】美國(guó)科羅拉多州某一加油站連續(xù)57天的OVERSH19序列自相關(guān)圖除延遲1階在2倍標(biāo)準(zhǔn)差外,其它都在2倍標(biāo)準(zhǔn)差范圍內(nèi)波動(dòng),平穩(wěn),自相關(guān)系數(shù)1階截尾。序列自相關(guān)圖除延遲1階在2倍標(biāo)準(zhǔn)差外,其它都在2倍標(biāo)準(zhǔn)差范圍20序列偏自相關(guān)圖顯然,偏自相關(guān)系數(shù)拖尾。所以可考慮擬合模型MA(1)序列偏自相關(guān)圖顯然,偏自相關(guān)系數(shù)拖尾。所以可考慮擬合模型MA21【例3.9】1880-1985全球氣表平均溫度改變值差分序列
由時(shí)序圖可見(jiàn),無(wú)周期性和單調(diào)趨勢(shì),序列平穩(wěn)【例3.9】1880-1985全球氣表平均溫度改變值差分序列22序列自相關(guān)圖顯然,自相關(guān)系數(shù)拖尾。序列自相關(guān)圖顯然,自相關(guān)系數(shù)拖尾。23序列偏自相關(guān)圖顯然,偏自相關(guān)系數(shù)拖尾。所以可考慮擬合模型ARMA(1,1)序列偏自相關(guān)圖顯然,偏自相關(guān)系數(shù)拖尾。所以可考慮擬合模型AR24四、參數(shù)估計(jì)待估參數(shù)(也稱模型口徑)非中心化的ARMA(p,q)可轉(zhuǎn)化為有p+q+2個(gè)未知參數(shù)常用估計(jì)方法:矩估計(jì)極大似然估計(jì)最小二乘估計(jì)四、參數(shù)估計(jì)待估參數(shù)(也稱模型口徑)251、矩估計(jì)原理用相應(yīng)階樣本自相關(guān)系數(shù)估計(jì)總體自相關(guān)系數(shù)樣本一階均值估計(jì)總體均值樣本方差估計(jì)總體方差1、矩估計(jì)原理26【例3.10】求AR(2)模型系數(shù)的矩估計(jì)AR(2)模型Yule-Walker方程矩估計(jì)(Yule-Walker方程的解)將偏自相關(guān)系數(shù)代入Y-W方程【例3.10】求AR(2)模型系數(shù)的矩估計(jì)AR(2)模型將偏27【例3.11】求MA(1)模型系數(shù)的矩估計(jì)MA(1)模型由MA(1)協(xié)方差函數(shù)公式矩估計(jì)【例3.11】求MA(1)模型系數(shù)的矩估計(jì)MA(1)模型28【例3.12】求ARMA(1,1)模型系數(shù)的矩估計(jì)ARMA(1,1)模型自相關(guān)系數(shù)與自協(xié)方差的關(guān)系方程矩估計(jì)【例3.12】求ARMA(1,1)模型系數(shù)的矩估計(jì)ARMA(29矩估計(jì)的特點(diǎn):優(yōu)點(diǎn)估計(jì)思想簡(jiǎn)單直觀不需要假設(shè)總體分布計(jì)算量小(低階模型場(chǎng)合)缺點(diǎn)信息浪費(fèi)嚴(yán)重只依賴p+q個(gè)樣本自相關(guān)系數(shù)信息,其他信息都被忽略估計(jì)精度較差通常矩估計(jì)方法被用作極大似然估計(jì)和最小二乘估計(jì)迭代計(jì)算的初始值
矩估計(jì)的特點(diǎn):優(yōu)點(diǎn)302、極大似然估計(jì)原理極大似然準(zhǔn)則:抽取的樣本出現(xiàn)概率最大。因此未知參數(shù)的極大似然估計(jì)就是使得似然函數(shù)(聯(lián)合密度函數(shù))達(dá)到最大的參數(shù)值
2、極大似然估計(jì)原理31似然方程由于和都不是的顯式表達(dá)式。因而似然方程組實(shí)際上是由p+q+1個(gè)超越方程構(gòu)成,通常需要經(jīng)過(guò)復(fù)雜的迭代算法才能求出未知參數(shù)的極大似然估計(jì)值
似然方程由于和都不是的顯式表達(dá)式。因而似然方32極大似然估計(jì)的特點(diǎn)優(yōu)點(diǎn)極大似然估計(jì)充分應(yīng)用了每一個(gè)觀察值所提供的信息,因而它的估計(jì)精度高同時(shí)還具有估計(jì)的一致性、漸近正態(tài)性和漸近有效性等許多優(yōu)良的統(tǒng)計(jì)性質(zhì)缺點(diǎn)需要已知總體分布實(shí)際中,為便于計(jì)算,很多時(shí)候看作服從多元正態(tài)分布極大似然估計(jì)的特點(diǎn)優(yōu)點(diǎn)333、最小二乘估計(jì)原理使殘差平方和達(dá)到最小的那組參數(shù)值即為最小二乘估計(jì)值
實(shí)際中最常用的參數(shù)估計(jì)方法是條件最小二乘估計(jì)法3、最小二乘估計(jì)原理實(shí)際中最常用的參數(shù)估計(jì)方法是條件最小二乘34條件最小二乘估計(jì)假設(shè)條件:過(guò)去未觀測(cè)到的序列值為0,即殘差平方和方程用迭代法,求得使其達(dá)最小的參數(shù)值。條件最小二乘估計(jì)假設(shè)條件:過(guò)去未觀測(cè)到的序列值為0,即35
最小二乘估計(jì)的特點(diǎn)最小二乘估計(jì)充分應(yīng)用了每一個(gè)觀察值所提供的信息,因而它的估計(jì)精度高;不需總體分布,便于實(shí)現(xiàn),所以條件最小二乘估計(jì)方法使用率最高。
最小二乘估計(jì)的特點(diǎn)最小二乘估計(jì)充分應(yīng)用了每一個(gè)觀察值所提供36例2.5續(xù)確定1950年—1998年北京市城鄉(xiāng)居民定期儲(chǔ)蓄比例序列擬合模型的口徑
擬合模型:AR(1)估計(jì)方法:極大似然估計(jì)模型口徑例2.5續(xù)確定1950年—1998年北京市城鄉(xiāng)居民定期儲(chǔ)蓄比37例3.8續(xù)確定美國(guó)科羅拉多州某一加油站連續(xù)57天的OVERSHORTS序列擬合模型的口徑
擬合模型:MA(1)估計(jì)方
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 《清平樂(lè) 村居》教學(xué)設(shè)計(jì)
- 2023級(jí)八上期中復(fù)習(xí)基礎(chǔ)小卷8教師版
- 扶貧資產(chǎn)清查管理制度
- 涉及法律文書格式文本(艙單備案登記表、變更申請(qǐng)表)
- 蘇教版小學(xué)六年級(jí)美術(shù)下冊(cè)教案
- 封閉抗體陽(yáng)性治療方案
- 壓力容器、壓力管道檢驗(yàn)危險(xiǎn)源辨識(shí)及風(fēng)險(xiǎn)控制措施表
- 工業(yè)產(chǎn)品銷售單位落實(shí)質(zhì)量安全主體責(zé)任(市場(chǎng)總局76號(hào)令)相關(guān)制度
- 砌筑工技能等級(jí)認(rèn)定練習(xí)卷含答案
- 物流部2024年5月份安全驗(yàn)證專項(xiàng)測(cè)試題附答案
- 英語(yǔ)格子可直接打印版
- 中醫(yī)診療技術(shù)規(guī)范標(biāo)準(zhǔn)
- 第3課 中國(guó)特色社會(huì)主義進(jìn)入新時(shí)代 教案-2023-2024學(xué)年中職高教版(2023)中國(guó)特色社會(huì)主義
- 云南省昆明市五華區(qū)2023一2024學(xué)年八年級(jí)下學(xué)期期中學(xué)業(yè)質(zhì)量監(jiān)測(cè)地理試題
- 25題戰(zhàn)略規(guī)劃崗位常見(jiàn)面試問(wèn)題含HR問(wèn)題考察點(diǎn)及參考回答
- 醫(yī)院感染管理質(zhì)量控制13項(xiàng)指標(biāo)詳細(xì)解讀
- 多源異構(gòu)數(shù)據(jù)融合關(guān)鍵技術(shù)研究
- 高考英語(yǔ)續(xù)寫短文故事英語(yǔ)作文+講義
- 2024年高考?xì)v史總復(fù)習(xí)選必2全冊(cè)學(xué)習(xí)提綱及中外歷史綱要(下冊(cè))
- 卓陽(yáng)儲(chǔ)能品牌產(chǎn)品手冊(cè)
- (2024年)生物實(shí)驗(yàn)室安全教育
評(píng)論
0/150
提交評(píng)論