时间序列的模型识别.ppt

关于时间序列的模型识别第1页，讲稿共25页，2023年5月2日，星期三平稳序列的ARMA建模步骤模型识别用自相关图和偏自相关图识别模型形式(p=?q=?)参数估计确定模型中的未知参数模型检验包括参数的显著性检验和残差的随机性检验模型优化序列预测第2页，讲稿共25页，2023年5月2日，星期三ARMA模型定阶的方法自相关和偏自相关系数法F检验法信息准则法第3页，讲稿共25页，2023年5月2日，星期三自相关和偏自相关系数法模型自相关系数(ACF)ρk偏自相关系数(PACF)φkkAR(p)拖尾p阶截尾MA(q)q阶截尾拖尾ARMA(p,q)拖尾拖尾原理：第4页，讲稿共25页，2023年5月2日，星期三自相关和偏自相关系数法缺点：理论上ACF和PACF是未知的弥补：用样本的自相关系数和偏自相关系数近似代替假设序列的样本观测值为x1,x2,…,xT，则有：样本自相关系数样本偏自相关系数第5页，讲稿共25页，2023年5月2日，星期三ACF和PACF定阶法基本原则选择模型拖尾p阶截尾AR(p)q阶截尾拖尾MA(q)拖尾拖尾ARMA(p,q)第6页，讲稿共25页，2023年5月2日，星期三模型定阶的困难由于样本的随机性，样本的相关系数不会呈现出理论截尾的完美情况，本应截尾的或会呈现出小值振荡的情况。由于平稳时间序列通常都具有短期相关性，随着延迟阶数k→∞，与都会衰减至零值附近作小值波动。？当或在延迟若干阶之后衰减为小值波动时，什么情况下该看作为相关系数截尾，什么情况下该看作拖尾呢？第7页，讲稿共25页，2023年5月2日，星期三样本相关系数的近似分布Barlett：Quenouille：95％的置信区间：模型定阶的经验方法：利用2倍标准差辅助判断第8页，讲稿共25页，2023年5月2日，星期三模型定阶经验方法如果样本(偏)自相关系数在最初的d阶明显大于2倍标准差范围，而后几乎95％的(偏)自相关系数都落在2倍标准差的范围以内，而且由非零自相关系数衰减为在零附近小值波动的过程非常突然。这时通常视为(偏)自相关系数截尾，截尾阶数为d。如果有超过5%的样本(偏)自相关系数都落入2倍标准差的范围之外，或者是由显著非零的(偏)相关系数衰减为小值波动的过程比较缓慢或者非常连续，这时通常视为(偏)自相关系数拖尾。第9页，讲稿共25页，2023年5月2日，星期三1950年-1998年北京城乡居民定期储蓄比例选择合适的ARMA模型拟合可以考虑拟合模型为AR(1)第10页，讲稿共25页，2023年5月2日，星期三连续读取70个化学反应数据可以尝试使用AR(1)，MA(1)和ARMA(1,1)模型拟合该序列第11页，讲稿共25页，2023年5月2日，星期三ARMA模型定阶的方法自相关和偏自相关系数法F检验法信息准则法第12页，讲稿共25页，2023年5月2日，星期三在回归分析中，F检验法常被用来考察两个回归模型是否具有显著差异。原理：检验后面s个回归因子对因变量的影响是否显著设样本容量为N，上述两个模型的残差平方和分别是Q0与Q1，则检验统计量为F检验法第13页，讲稿共25页，2023年5月2日，星期三结论：对于给定的显著性水平α若FFα(s,N-r)，则拒绝原假设，认为后面s个回归因子对因变量的影响是显著的，表明M1合适；若FFα(s,N-r)，则接受原假设，认为这s个回归因子对因变量的影响是不显著的，表明M2合适。F检验法第14页，讲稿共25页，2023年5月2日，星期三1967年，瑞典控制论专家K.J.Astr?m教授将F检验准则用于对时间序列模型的定阶。原理(模型阶数简约原则parsimonyprinciple)：设Xt(1≤t≤N)是零均值平稳序列，用模型AR模型拟合检验统计量：结论若FFα，则拒绝原假设，认为AR(p)合适；若FFα，则接受原假设，认为AR(p-1)合适。AR(p)模型定阶的F准则第15页，讲稿共25页，2023年5月2日，星期三检验统计量：结论若FFα，则拒绝原假设，模型阶数仍有上升的可能；若FFα，则接受原假设，认为ARMA(p-1,q-1)合适。ARMA(p,q)模型定阶的F准则第16页，讲稿共25页，2023年5月2日，星期三ARMA模型定阶的方法自相关和偏自相关系数法F检验法信息准则法第17页，讲稿共25页，2023年5月2日，星期三信息准则