欢迎来到天天文库
浏览记录
ID:49764965
大小:168.64 KB
页数:3页
时间:2020-03-04
《ARMA模型.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、ARMA模型1.简单介绍ARMA模型是一类常用的随机时间序列预测模型,是一种精度较高的时间序列短期预测方法,它的基本思想是:某些时间序列是依赖于时间t的一族随机变量,构成该时间序列的单个序列值虽然具有不确定性,但整个序列的变化却有一定规律性,可用数学模型近似描述。2.分类ARMA模型具有三种基本类型:自回归(AR)模型,移动平均(MA)模型,自回归移动平均(ARMA)模型。3.表达如果时间序列Xt是它的前期值和随机项的线性函数,即表示为:Xt=φ1Xt-1+φ2Xt-2+⋯+φpXt-p+εt就称为P阶自回归模型,记为AR(p)。其中φi称为自回归系数
2、,是待估参数。随机项εt是相互独立的白噪声序列,服从均值为0,方差为σ2的正态分布。且一般假定Xt的均值也为0。AR模型的平稳性问题从数学表达式来看,我们首先记Bk为k步滞后算子,即BkXt=Xt-k。则上述模型可写为:Xt=φ1BXt+φ2B2Xt+⋯+φPBpXt+εt我们令φ(B)=1-φ1B-φ2B2-⋯-φpBp,模型就被简化为φBXt=εt。AR(p)平稳的等价条件是φB的根都小于1,另一方面,从自相关系数和偏自相关系数的曲线图也能看出该模型是否平稳,AR(p)模型平稳等价于自相关系数拖尾,偏自相关系数p步截尾。而如果时间序列Xt是它的当期
3、和前期的随机误差项的线性函数,即Xt=μ+εt-θ1εt-1-⋯-θqεt-q则称为q阶移动平均模型,记为MA(q)。它是无条件平稳的,因为它的均值和方差均为常数,跟AR模型做同样的滞后和简化,如果θB的根都小于1,则MA模型是可逆的。另一个可逆的等价条件就是自相关函数q步截尾,偏自相关函数拖尾。基于此,ARMA(p,q)模型的数学表达就呼之欲出了:Xt=φ1Xt-1+φ2Xt-2+⋯+φpXt-p+εt-θ1εt-1-⋯-θqεt-q而ARMA(p,q)的平稳条件就是AR(p)的平稳条件,可逆条件就是MA(q)的可逆条件。而关于ARMA,它的自相关函
4、数和偏自相关函数都是拖尾的。4.代入本题之前在问题分析中也介绍了,我们将日期统一化,以第一次发生地震的日期作单位1参考,将数据集中的地震发生时间转化成了一个时间序列。如图ts所示,我们分析了这组时间序列发现它的一阶差分是平稳的。由上图,可看出它的一阶差分后的自相关函数和偏自相关函数都是拖尾的,故我们选择了ARMA(1,1)模型来做数据分析拟合。
此文档下载收益归作者所有