第15章 小结
18
本章目录 · 1 节
本章导读
【第十五章小结】时间序列是离散参数随机过程。宽平稳要求有限二阶矩、均值固定、自协方差只依赖滞后。ACF是标准化的中心化协方差,PACF是控制中间滞后后最后一个预测系数;非零均值序列须先中心化或加入截距。
【模型结构】ARMA由AR与MA多项式组成,先约去公共因子再谈阶数。AR根在单位圆外保证因果平稳解,MA根在单位圆外保证可逆;有限MA不因不可逆而丧失平稳。R的MA参数采用加号,与本书减号约定相反。
【识别与计算】因果AR的PACF截尾,MA的ACF截尾,一般最简混合ARMA二者拖尾,均指总体性质,样本估计仍会波动。PACF低阶系数不能一律写成完整高阶AR的同编号参数。ACF、PACF、EACF及AIC提供候选线索,不能保证一次有限样本识别正确。
【建模流程】识别、参数估计、残差考核、预测及留出检验。Ljung—Box残差检验需扣除拟合AR与MA阶数的自由度,未拒绝不证明模型真实或残差独立。原始数据先按时间切分,差分后准确计数,避免把留出观测误纳训练。
【预报与解释】未来创新预测取0,过去观测和预测递推使用。R未差分ARMA的intercept是序列均值,递推常数是均值乘1减AR系数之和。预测区间是模型下的点态不确定性,通常不含完整参数及选模误差。收益率差分预测与收益率水平预测也必须区分。
【重要术语及主题】时间序列、宽平稳、ACF、PACF、延迟算子、AR、MA、ARMA、ARIMA、因果性、可逆性、EACF、参数估计、Ljung—Box检验、最佳线性预报、留出检验。
