2.3 自回归滑动平均模型
一 自回归滑动平均模型概念
1. 自回归滑动平均模型定义
定义2.3.1 设 为时间序列 } 2, 1, ,0 ,{ L±±=txt } 2, 1, ,0 ,{ L±±=ttε
为白噪声序列 且满足条件 0 =<∀ tsExts ε 则称满足等式
qtqttptpttt xxxx −−−−− −−−++++= εβεβεααα LL 112211
2.3.1
的时间序列 为 p阶自回归与 q阶滑动平均混
合模型
} 2, 1, ,0 ,{ L±±=txt
简记为 ) ,( qpARMA Autoregression and Moving Average
记其系数多项式为
ppuuuu αααα −−−−= L2211)(
qquuuu ββββ −−−−= L2211)(
且 与 无公共根)(uα )(uβ 则 2.3.1 式用算子 与 表示为 )(Bα )(Bβ
tt BxB εβα )()( = 2.3.2
当 与 的根都在单位圆外时0)( =uα 0)( =uβ 我们称 2.3.1 式为平稳
可逆的 模型) ,( qpARMA 相应的解 称为平稳可逆的 序
列
}{ tx ) ,( qpARMA
若 时µ=tEx 则 亦满足}{ µ−tx 2.3.1 式 仍为平稳可逆
序列
) ,( qpARMA
故下文中仍主要讨论中心化情况
2. 模型的传递与逆转形式 ) ,( qpARMA
设 模型为 ) ,( qpARMA
qtqttptpttt xxxx −−−−− −−−++++= εβεβεααα LL 112211
15
即 tt BxB εβα )()( =
1 tt BxB εβα )()( = 的传递形式为
L,2,1,0
0
±±== ∑∞
=
− tx
j
jtjt εψ 2.3.3
其中 1 , )()()( 0
0
1 === ∑∞
=
− ψψβαψ
j
j
juuuu
这因为 tt BxB εβα )()( = 故有
tt BBx εβα )()(1−= ∑∑ ∞
=
−
∞
=
==
00 j
jtj
j
t
j
j B εψεψ
1 , 0
1
=+= ∑∞
=
− ψεψε
j
jtjt
易见 为 模型}{ tx )(+∞MA 其中系数 jψ 满足与 类似的性质)(pAR 即
∋∃ ,, 21 CC
jCj eC 21||
−≤ψ
可验证 2.3.3 为 2.3.1 的解 }{ tx 为平稳线性序列
事实上 由 )(uψ 定义可知
)()()( uuu βψα =
即
易见 时
)1()1)(1( 221
2
21
2
21
q
q
p
p uuuuuuuu βββψψααα −−−−=+++−−−− LLL
qk > ku 的系数为 0 故有
02211 =−−−− −−− pkpkkk ψαψαψαψ L
式中约定 )0( 0 <= kkψ
16
记 0=kβ 当 或 时0 10 −=β
则 )(uψ 的定义写为下列形式
LL 1, ,0 2211 =−=−−−− −−− kkpkpkkk βψαψαψαψ
即 kkB βψα −=)(
从而由 知 ∑∞
=
−=
0j
jtjtx εψ ) 2, 1, ,0 ( L±±=t
ptptttt xxxxxB −−− −−−−= αααα L2211)(
∑∑∑∑ ∞
=
−−
∞
=
−−
∞
=
−−
∞
=
− −−−−=
00
22
0
11
0 j
jptjp
j
jtj
j
jtj
j
jtj εψαεψαεψαεψ L
∑∑∑∑ ∞
=
−−
∞
=
−−
∞
=
−−
∞
=
− −−−−=
pj
jtpjp
j
jtj
j
jtj
j
jtj εψαεψαεψαεψ L
2
22
1
11
0
∑∞
=
−−−− −−−−=<
0
2211 )( 0 ,0
j
jtpjpjjjkk εψαϕαϕαψψ L
且 , 当 时 ,1( 0
0
−=−= ∑∞
=
− βεβ
j
jtj 0=jβ qj >
qtqttt −−− −−−−= εβεβεβε L2211 tB εβ )(=
此即说明 满足等式 ∑∞
=
−=
0j
jtjtx εψ
tt BxB εβα )()( =
2 tt BxB εβα )()( = 的逆转形式为
∑∞
=
−=
0j
jtjt xϕε 2.3.4
其中 kϕ 满足下式
17
⎩⎨
⎧
><
≤≤−=−−−− −−− pkk
pkk
qkqkkk 或00
1
2211
αϕβϕβϕβϕ L
易见 为 模型}{ tx )(+∞AR
因为 tt BxB εβα )()( = 故有
ttt xBxBB )()()(
1 ϕαβε == −
∑∑ ∞
=
−
∞
=
==
00 j
jtj
j
t
j
j xxB ϕϕ ∑∞
=
−+=
1j
jtjt xx ϕ
其中 )()()( 1
0
BBBB j
j
j αβϕ −
∞
=
=ϕ= ∑ 10 =ϕ
类似的 系数 亦应满足条件jϕ ∃实数 ∋,, 21 CC
0 || 21 ≥≤ − jeC jCjϕ
由 ∑∞
=
− =
0
1 )()(
j
j
juuu ϕαβ
即 ∑∞
=
ϕ==
0
)()()()(
j
j
juuuuu βϕβα
即
显见
)1)(1(1 221
2
21
2
21 LLL +ϕ+ϕ+−−−−=−−−− uuuuuuuu qqpp βββααα
时pk > ku 的系数为 0 即
02211 =−−−− −−− qkqkkk ϕβϕβϕβϕ L
当 0,0 =< kk ϕ 约定
当 或 时0 0=kα 10 −=α
18
于是由 可得 )()()( uuu ϕβα = kkB αϕβ −=)(
⎩⎨
⎧
><
≤≤−=−−−− −−− pkk
pkk
qkqkkk 或00
1
2211
αϕβϕβϕβϕ L
二 ) ,( qpARMA 序列的自协方差函数
1 ) ,( qpARMA 序列的自协方差函数
若 为 序列}{ tx ) ,( qpAMRA 其模型为
tt BxB εβα )()( =
则 序列的自协方差函数为 ) ,( qpARMA
∑∞
=
+=
0
2
j
kjjk ψψσγ 2.3.5
因为若 为 序列 }{ tx ) ,( qpAMRA tt BxB εβα )()( = 则由其传递形式
),2,1,0(
0
L±±== ∑∞
=
− tx
j
jtjt εψ 与自协方差的定义可得
⎥⎥⎦
⎤
⎢⎢⎣
⎡ ⎟⎠
⎞⎜⎝
⎛
⎟⎟⎠
⎞
⎜⎜⎝
⎛== ∑∑ ∞
=
−+
∞
=
−+
00
)(
i
ikti
j
jtjkttk ExxE εψεψγ
)(
0 0
iktjt
j i
ij E −+−
∞
=
∞
=
∑∑= εεψψ ∑∞
=
+=
0
2
j
kjjψψσ
可见 直接计算 序列的自协方差函数是比较困难的) ,( qpARMA 通
常利用模型参数 建立相应的差分方程式进行递推计算
2 自协方差函数的差分方程计算法
由 序列模型 ) ,( qpARMA
qtqtttptpttt xxxx −−−−−− −−−−++++= εβεβεβεααα LL 22112211
可知 对于 的正整数qk > 以 同乘上式两端ktx − 再求数学期望
19
且注意 0=st xEε )( ts <
可得
pkpkkk −−− +++= γαγαγαγ L2211 qk > 2.3.6
即有 qkB k >= 0)( γα
当参数 已知时 , , , 21 pααα L 令
ptptttt xxxxBy −− −−−== ααα L11)(
则 2.3.1 式为
tqtqtttt By εβεβεβεβε )(2211 =−−−−= −−− L 2.3.7
由 2.3.7 知 此序列 为 列}{ ty )(qMA 记其自协方差函数为 )(ykγ 由前
节结果知
⎪⎪
⎪⎪
⎪
⎩
⎪⎪
⎪⎪
⎪
⎨
⎧
>
≤≤+−
=+
= ∑
∑
−
=
+
=
qk
qk
k
y
kq
i
kiik
q
j
j
k
0
1 )(
0 )1(
)(
1
2
1
22
βββσ
βσ
γ
又由 得其协方差函数为 tt xBy )(α=
[ ]kttkttk xBxBEyyEy −− ⋅== )()()()( ααγ
)})({( 22112211 pktpktktktptpttt xxxxxxxxE −−−−−−−−−− −−−−−−−−= αααααα LL
∑∑∑∑
= =
+−
=
+
=
− +−−=
p
i
p
j
kjiji
p
j
jkj
p
j
jkjk
1 111
γααγαγαγ
记 时10 −=α 上式可写为
20
∑∑
= =
+−=
p
i
p
j
kjijik y
0 0
)( γααγ 2.3.8
易见
⎪⎪
⎪⎪
⎪
⎩
⎪⎪
⎪⎪
⎪
⎨
⎧
>
≤≤+−
=+
= ∑
∑
∑∑ −
=
+
=
= =
+−
qk
qk
k
kq
i
kiik
q
j
j
p
i
p
j
kjiji
0
1 )(
0 )1(
1
2
1
22
0 0
βββσ
βσ
γαα 2.3.9
此等式描述了 与 的依赖关系),,, , , , ,( 2121 σββααα qp LL }{ kγ 故在
参数 已知的条件下2121 ,,, , , , , σββααα qp LL 可以通过 2.3.9 式
递推计算出 序列的自协方差函数) ,( qpARMA 同时 因为
⎪⎪
⎪
⎩
⎪⎪
⎪
⎨
⎧
+++=
+++=
+++=
−+−++
+−++
+−−+
qppqpqpq
pqpqqq
pqpqqq
γαγαγαγ
γαγαγαγ
γαγαγαγ
L
LL
L
L
2211
22112
11211
2.3.10
描述了 与 的依赖关系) , , ,( 21 pααα L }{ kγ 故若已知某模型
序列的自协方差函数列 时
) ,( qpARMA
}{ kγ 由 2.3.10 可以确定参数 pααα , , , 21 L
再据 2.3.9 式确定参数 21 ,,, σββ qL
三 ) ,( qpAMRA 序列的平稳域 可逆域与允许域
设 为 序列}{ tx ) ,( qpAMRA 其模型为
tt BxB εβα )()( =
则有 1 平稳域 0)( =uα 的根在单位圆外 与 平稳域相同)(pAR
21
2 可逆域 0)( =uβ 的根在单位圆外 与 可逆域相同)(qMA
3 允许域 满足上述 2.3.8 2.3.9 与 2.3.10 的类似式的自
相关函数
( 的所有取值集合为 的允许域) , , , 21 qp+ρρρ L ) ,( qpARMA
例 2.3.1 试讨论 模型 )1 ,1(ARMA
11 −− −+= tttt xx βεεα 即 tt BxB εβα )1()1( −=−
的平稳域 可逆域与允许域 tt BxB εβα )1()1( −=− 传递形式 逆转形式与
自协方差函数 其中 为白噪声列}{ tε
解 tt BxB εβα )1()1( −=− 的
1 平稳域为 }1|||{ <αα 即 }11|{ <<− αα
2 可逆域为 }1|||{ <ββ 即 }11|{ <<− ββ
3 平稳可逆域为 }1||,1|||),{( << βαβα 见下图
1
1
-1
-1 α
β
4 tt BxB εβα )1()1( −=− 传递形式为
tt BBx εβα )1()1( 1 −−= − t
j
j BB εβα )1()(
0
−=∑∞
=
t
jj
j
jj BB εβαα )( 1
0
+∞
=
−=∑ ∑∑ ∞
=
+∞
=
−=
0
1
0 j
t
jj
j
t
jj BB εαβεα
22
∑∑ ∞
=
−∞
=
−=
1
1
0 j
t
jj
j
t
jj BB εαβεα ∑∑ ∞
=
−∞
=
−+=
1
1
1 j
t
jj
j
t
jj
t BB εαβεαε
t
jj
j
jj
t BB εβααε )( 1
1
−∞
=
−+= ∑ jtj
j
j
t −
−∞
=
−+= ∑ εβααε )( 1
1
jt
j
j
t −
∞
=
− −+= ∑ εβααε )(
1
1
jt
j
j −
∞
=
∑= εψ
0
即 j
j
j BBBB )(1)()1()1(
1
11 βααψβα −+==−− ∑∞
=
−−
其中 L,2,1),(,1 10 =−== − jjj βααψψ
5 tt BxB εβα )1()1( −=− 的逆转形式
将上式中 与 位置互换)1( Bα− )1( Bβ− 即得
jt
j
j
tt xx −
∞
=
− −+= ∑ )(
1
1 αββε
其中 j
j
j BBBB )(1)()1()1(
1
11 αββϕαβ −+==−− ∑∞
=
−− ∑∞
=
=
0j
j
j Bϕ
故其系数为 L,2,1),(,1 10 =−== − jjj αββϕϕ
6 自协方差函数与允许域
由 2.3.10 得 12 αγγ = 得
1
2
1
2
ρ
ρ
γ
γα == 再由 2.3.6 1 1 >= − kkk αγγ
得 11
1
2
1
1
2
2
1 )( γγ
γγαγααγγ −−−− ===== kkkkk L
kk −−= 2112 γγ 1>k
故此 由 与 唯一确定}{ kγ 10 , γγ 2γ 即 )1(2112 >= −− kkkk γγγ
再由 2.3.9 当 代入即得 1== qp
23
kkkkk y γααγαγγγ 211)( +−−= +−
)()1( 11
2
+− +−+= kkk γγαγα
即
⎪⎪⎩
⎪⎪⎨
⎧
≥
=−
=+
=+−+ +−
2 0
1
0 )1(
)()1( 2
22
11
2
k
k
k
kkk βσ
βσ
γγαγα
即
⎪⎩
⎪⎨
⎧
≥=+−+
−=+−+
+=+−+
+−
−
)2(0)()1(
)()1(
)1()()1(
11
2
2
201
2
22
110
2
k
r
kkk γγαγα
βσγγαγα
βσγαγα
将 代入上式即得 12 /γγα =
⎪⎩
⎪⎨
⎧
−=−
+=−+
βσγγγγ
βσγγγγ
2
1
2
120
22
20
2
1
2
2
)/1(
)1(2)/1(
解得
2
2
1
2
2
1
2
12
20
2
1
2
2
1
2
120
2 2)/1(
)1(
2)/1(
)/1(
1 ρρρ
ρρρ
γγγγ
γγγγ
β
β
−+
−=−+
−=+
− −
2
12
2
2
2
1
12
3
1
2 ρρρρ
ρρρ
−+
−=
从中解出β 代入前式解出 2σ 则 2 σβα 均可表示为 210 γγγ 的
函数
当 | 且 时 满足条件 1|<α 1|| <β ) ,( 21 ρρ
当 时01 >ρ )12( 112 −> ρρρ 且 |||| 12 ρρ <
当 时01 <ρ )12( 112 +> ρρρ 且 |||| 12 ρρ <
24
的 的集合即为此 的允许域 ) ,( 21 ρρ )1 ,1(ARMA
-1 1
1
ρ1
ρ2
四 模型分类性质一览表 ) ,( qpARMA
类 别
序列 AR(p)序列 MA(q) 序列 ARMA(p,q) 序列
差分方程 ttxB εα =)( tt Bx εβ )(= tt BxB εβα )()( =
平稳性 1,0)( ≤≠ uuα 无条件 1,0)( ≤≠ uuα
可逆性 无条件 1,0)( ≤≠ uuβ 1,0)( ≤≠ uuβ
传递形式 tt Bx εα )(1−= tt Bx εβ )(= tt BBx εβα )()(1−=
逆转形式 tt xB)(αε = tt xB)(1−= βε tt xBB )()(1 αβε −=
自相关 系
数 函数 拖尾 截尾 拖尾
25
偏相关 系
数 函数 截尾 拖尾 拖尾
谱密度 πλπ
απ
σλ λ
≤≤−
= −− 2
2
)(
2
)( ix eS
πλπ
βπ
σλ λ
≤≤−
= − 2
2
)(
2
)( ix eS
πλπ
α
β
π
σλ λ
λ
≤≤−
= −
− 22
)(
)(
2
)( i
i
x e
eS
26
本文档为【自回归滑动平均模型】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。