平穩(wěn)時間序列分析培訓(xùn)課程(存儲版)
【正文】 的隨機性，樣本的相關(guān)系數(shù)不會呈現(xiàn)出理論截尾的完美情況，本應(yīng)截尾的 或 仍會呈現(xiàn)出小值振蕩的情況n 由于平穩(wěn)時間序列通常都具有短期相關(guān)性，隨著延遲階數(shù) ， 與 都會衰減至零值附近作小值波動？ 當(dāng) 或 在延遲若干階之后衰減為小值波動時，什么情況下該看作為相關(guān)系數(shù)截尾，什么情況下該看作為相關(guān)系數(shù)在延遲若干階之后正常衰減到零值附近作拖尾波動呢？ 模型定階經(jīng)驗方法n 如果樣本 (偏 )自相關(guān)系數(shù)在最初的 d階明顯大于兩倍標(biāo)準差范圍，而后幾乎 95％的自相關(guān)系數(shù)都落在 2倍標(biāo)準差的范圍以內(nèi)， 而且通常由非零自相關(guān)系數(shù)衰減為小值波動的過程非常突然。n 綜合該序列自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的性質(zhì)，為擬合模型定階為 MA(1) 例 n 18801985全球氣表平均溫度改變值差分序列 序列自相關(guān)圖序列偏自相關(guān)圖擬合模型識別n 自相關(guān)系數(shù)顯示出不截尾的性質(zhì)n 偏自相關(guān)系數(shù)也顯示出不截尾的性質(zhì)n 綜合該序列自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的性質(zhì)，可以嘗試使用 ARMA(1,1)模型擬合該序列例 n 確定 1950年 —— 1998年北京市城鄉(xiāng)居民定期儲蓄比例序列擬合模型的口徑 n 擬合模型： AR(1)n 估計方法：極大似然估計n 模型口徑例 n 確定美國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 n 擬合模型： MA(1)n 估計方法：條件最小二乘估計n 模型口徑例 n 確定 18801985全球氣表平均溫度改變值差分序列擬合模型的口徑 n 擬合模型： ARMA(1,1)n 估計方法：條件最小二乘估計n 模型口徑模型檢驗n 模型的顯著性檢驗n 整個模型對信息的提取是否充分n 參數(shù)的顯著性檢驗n 模型結(jié)構(gòu)是否最簡模型的顯著性檢驗n 目的n 檢驗?zāi)Ｐ偷挠行?（對信息的提取是否充分）n 檢驗對象n 殘差序列n 判定原則n 一個好的擬合模型應(yīng)該能夠提取觀察值序列中幾乎所有的樣本相關(guān)信息，即殘差序列應(yīng)該為白噪聲序列 n 反之，如果殘差序列為非白噪聲序列，那就意味著殘差序列中還殘留著相關(guān)信息未被
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1