15.1 平稳时间序列
18
本章目录 · 1 节
本章导读
【15.1 平稳时间序列】时间序列是以离散时刻为参数的随机过程。月降雨量、每日价格、每日次品数等是观测例子,但有序数据并不自动满足平稳或某个ARMA模型。本章先定义平稳序列及相关,再讨论模型与识别、估计、检验、预测。
【定义与自相关】设t∈Z,E()<∞。若E()=μ为常数,且不随t改变,则称宽平稳时间序列。>0时,为本章的自相关函数,即标准化的自协方差。它与前章未中心化的(τ)=E[X(t)X(t+τ)]不同,须注意记号转换。
γ与ρ是偶序列,||≤、||≤1。任意有限个时刻组成的协方差矩阵半正定,连续滞后的相关矩阵是Toeplitz矩阵:
当=0时序列各时刻几乎处处为常数μ,标准化ρ与通常的偏相关不再按除法定义。
【偏相关】先中心化=−μ。用最近k项预测当前值,选择系数1至使
最小;在相应相关矩阵非奇异时,最后一个系数就是滞后k的偏相关。它衡量在控制中间k−1项的线性影响后,当前与第k个滞后之间的额外线性联系,不是简单把全部回归系数都称为偏相关。原序列非零均值时不能直接省去中心化或截距。
【例1 白噪声序列】E()=0,,σ²有限且正,则是宽平稳序列,=σ²、=0(k≠0)。这是二阶白噪声,未必独立或正态;模拟时常另设独立正态创新。这里的离散指示不同于连续时间的狄拉克冲激。
【例2 平稳序列的延迟】给定平稳X,固定正整数d,=,则均值仍μ,只依赖k,故Y也平稳。只是移动全部时刻,不改变相关结构;不能因此认为X与Y相互独立。
【延迟算子】,重复k次得到。算子多项式把差分与ARMA写得紧凑,例如(1−B)=−。B不是数值参数,也不是把观测值取k次幂。
