15.3 模型的应用
本章目录 · 1 节
本章导读
【15.3 模型的应用】保留识别、参数估计、模型考核、预报四个环节与三个原例。有限样本可能支持多个模型,应结合残差、简洁性和留出预测比较,不宜凭一张ACF图宣布唯一正确模型。
【一 模型识别】观测至,用样本均值中心化=−ȳ,定义
分母n的样本自协方差通常有偏,但相应的Toeplitz序列保持非负定。改用n−k并不能在“均值也由同一组数据估计”时一概称作严格无偏;若真均值已知并用它中心化,才有简单的无偏解释。滞后越大,有效配对越少。
简单AR可看PACF截尾、MA可看ACF截尾;混合模型可参考EACF,但都应结合AIC等与残差检查。EACF用AR阶数作行、MA阶数作列,寻找零符号组成的三角区域;这是识别线索,并非有限样本保证。
【例1 3M月度回报的EACF】原书采用1946年2月至2008年12月共755个月的3M股票对数回报。表15-2保留原书已印出的7×13个EACF数值及全部正负号;表15-3为其简化表。原始回报文件不在PDF内,这两表是原书结果的核对重排,不冒称重跑了未提供的755个月样本。
近似参考阈值2/√755≈0.072787。p=0行在q=2、5、9、11处的−0.08、0.08、−0.08、0.09略超阈值。不能为了得到白噪声而随意放宽阈值;可将ARMA(0,0)作为待检验的简洁候选,并用整体残差相关及样本外表现评估。逐项检验涉及多重比较,也不能将个别X直接当成模型必错。
【例2 模拟ARMA(2,1)并完成建模】沿用,长度120。设置种子20261117,实际执行R模拟、TSA的EACF实现、极大似然估计、Ljung—Box检验和10步预测。学生在安装TSA后可用TSA::eacf;本例不需要为这个函数单独加载fBasics。
【R代码】set.seed(20261117)
x <- arima.sim(list(ar=c(0.3,-0.7), ma=0.5), n=120)
TSA::eacf(x, ar.max=6, ma.max=6)
m <- arima(x, order=c(2,0,1), method="ML")
coef(m)
sqrt(diag(vcov(m)))
Box.test(residuals(m), lag=12, type="Ljung-Box", fitdf=3)
pr <- predict(m, n.ahead=10)
【二 参数估计】AR可由Yule—Walker方程估计,MA可用相关矩配合可逆性选解,混合ARMA通常用极大似然或条件平方和。R的MA系数使用加号;未差分ARMA输出的intercept表示均值μ,模型作用于−μ,递推式常数则是μ(1−Σ)。
本次系数约为=0.319357、=−0.707947、R加号MA系数0.528680、均值0.023031,创新方差1.172323;随机样本不同,不应强行改成原书印出的0.2334、−0.7202、0.5936与0.0548。
【三 模型考核】残差应接近创新的无序列相关特征。Ljung—Box统计量
在适当大样本条件下近似服从χ²_{h−p−q},而非估计参数后仍一律用h个自由度;需h>p+q。原书ARMA(2,1)残差展开的第4步误出现项,应为(此处x已中心化,为R加号MA系数)。简单令样本之前为0是条件近似,R的ML则使用状态空间初始化,不能把两者的初始残差视为完全相同。
本次h=12、fitdf=3,自由度9,Q≈11.935437、p≈0.216974,未在0.05水平拒绝无相关假设。这不证明残差独立、正态或模型真实;还应看异常点、方差变化等。lag=12是本例选择,并非任何数据都必须取n/10。
【四 预报】零均值因果模型的最佳线性预测把未来创新的预测值取0,将未来X递归替换为已算预测。AR模型为,l−i≤0时取已有观测;MA(q)在l>q时回到均值,l≤q时还保留过去创新;ARMA将两部分合并。零均值创新不等于未来创新真实为0。已知参数下的最佳线性预测误差方差非减,但实际误差不会在每个样本中按步数严格增加。
【R代码】plot(x, xlim=c(1,130))
lines(pr[["pred"]], lwd=2)
lines(pr[["pred"]]+qnorm(0.975)*pr[["se"]], lty=2)
lines(pr[["pred"]]-qnorm(0.975)*pr[["se"]], lty=2)
预测区间包含未来创新不确定性,通常不完整包含参数估计和模型选择误差;不能称作对全部未来轨迹的同时95%保证。
【例3 10年期国债利率】原书给出2005年1月至2014年12月120个月度值,使用一阶差分的前114项训练、最后5项检验。PDF未附shuju.csv。本次找到美国联储来源、FRED发布的GS10月度10年期国债固定期限收益率,单位百分数、非季调、营业日平均,取相同日期范围并实际重算。得到AR系数0.22071576、均值−0.01493558、创新方差0.04607116、AIC−21.274833和检验p≈0.311983,均与原书所列精度一致;据此判断该公开序列与原例相符。其国家与统计口径现已明确,不把它误称为中国国债数据。
数据来源:[美国联储/FRED GS10](https://fred.stlouisfed.org/series/GS10)。本例保留2005—2014年固定区间,不将后来月份追加进训练。若数据日后修订,需记录下载版本并重算。
【R代码:本地CSV】bond10 <- read.csv("shuju.csv", header=TRUE, sep=",")
stopifnot("Yield" %in% names(bond10))
yield <- bond10[["Yield"]]
stopifnot(length(yield)==120, all(is.finite(yield)))
h <- diff(yield)
ntrain <- length(h)-5L
x <- h[seq_len(ntrain)]
test <- tail(h,5L)
stopifnot(length(h)==119, length(x)==114, length(test)==5)
par(mfrow=c(2,1))
acf(x)
pacf(x)
这改正了原书先令l=120、再取h[1:(l−5)]造成训练115项、只留4项的问题。用FRED CSV时将第二列GS10作为yield,并先核对日期排序和区间;逗号使用英文半角,注释以#开始,不使用原排版的%或全角逗号。
【拟合与均值纠错】m1 <- arima(x, order=c(1,0,0), method="ML")
Box.test(residuals(m1), lag=12, type="Ljung-Box", fitdf=1)
pr1 <- predict(m1, n.ahead=5)
本次AR(1)应写为
按原书四位系数近似,递推常数为(1−0.2207)(−0.0149)=−0.01161157,而不是直接将均值−0.0149放在常数位置。检验Q≈12.720526,自由度11,p≈0.311983;与原书Q=12.7208的末位差异不改变结论,不能据此证明模型唯一。
五个留出差分实测依次为−0.12、0.11、−0.23、0.03、−0.12;AR(1)预测约−0.024882、−0.017131、−0.015420、−0.015043、−0.014959,留出RMSE≈0.129859。五点很少,不宜把“区间覆盖”或图形看似接近夸大为长期预测保证。若要预测利率水平,应从最后已知利率累加差分预测,并重新计算累计预测误差的协方差,不能直接套每步差分的标准误差。
【函数约定核对】R的正负号、均值参数与状态空间初始化可查[R官方arima说明](https://stat.ethz.ch/R-manual/R-devel/library/stats/html/arima.html);EACF算法参见[TSA维护源码](https://github.com/cran/TSA/blob/master/R/eacf.R)。本节所列可重现数值均由实际R执行;原书未附原样本的3M表单独标明为已印结果,不混同为本次计算。
