《ARMA模型以及ARIMA模型建模.ppt》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。

1、案例分析ARMA模型與ARIMA模型建模建模步驟平穩(wěn)非白噪聲序列計(jì)算樣本相關(guān)系數(shù)模型識(shí)別參數(shù)估計(jì)模型檢驗(yàn)?zāi)Ｐ蛢?yōu)化序列預(yù)測(cè)YN計(jì)算樣本相關(guān)系數(shù)樣本自相關(guān)系數(shù)樣本偏自相關(guān)系數(shù)模型識(shí)別基本原則選擇模型拖尾P階截尾AR(P)q階截尾拖尾MA(q)拖尾拖尾ARMA(p,q)模型定階的困難因?yàn)橛捎跇颖镜碾S機(jī)性，樣本的相關(guān)系數(shù)不會(huì)呈現(xiàn)出理論截尾的完美情況，本應(yīng)截尾的或仍會(huì)呈現(xiàn)出小值振蕩的情況由于平穩(wěn)時(shí)間序列通常都具有短期相關(guān)性，隨著延遲階數(shù)，與都會(huì)衰減至零值附近作小值波動(dòng)？當(dāng)或在延遲若干階之后衰減為小值波動(dòng)時(shí)，什么情況下該看作為相關(guān)系數(shù)截尾，什么情況下該看作為相關(guān)系數(shù)在延遲若干階

2、之后正常衰減到零值附近作拖尾波動(dòng)呢？樣本相關(guān)系數(shù)的近似分布BarlettQuenouille模型定階經(jīng)驗(yàn)方法95％的置信區(qū)間模型定階的經(jīng)驗(yàn)方法如果樣本(偏)自相關(guān)系數(shù)在最初的d階明顯大于兩倍標(biāo)準(zhǔn)差范圍，而后幾乎95％的自相關(guān)系數(shù)都落在2倍標(biāo)準(zhǔn)差的范圍以?xún)?nèi)，而且通常由非零自相關(guān)系數(shù)衰減為小值波動(dòng)的過(guò)程非常突然。這時(shí)，通常視為(偏)自相關(guān)系數(shù)截尾。截尾階數(shù)為d。參數(shù)估計(jì)待估參數(shù)個(gè)未知參數(shù)常用估計(jì)方法矩估計(jì)極大似然估計(jì)最小二乘估計(jì)矩估計(jì)原理樣本自相關(guān)系數(shù)估計(jì)總體自相關(guān)系數(shù)樣本一階均值估計(jì)總體均值，樣本方差估計(jì)總體方差對(duì)矩估計(jì)的評(píng)價(jià)優(yōu)點(diǎn)估計(jì)思想簡(jiǎn)單直觀(guān)不需要假設(shè)總體分布計(jì)算

3、量?。ǖ碗A模型場(chǎng)合）缺點(diǎn)信息浪費(fèi)嚴(yán)重只用到了p+q個(gè)樣本自相關(guān)系數(shù)信息，其他信息都被忽略估計(jì)精度差通常矩估計(jì)方法被用作極大似然估計(jì)和最小二乘估計(jì)迭代計(jì)算的初始值極大似然估計(jì)原理在極大似然準(zhǔn)則下，認(rèn)為樣本來(lái)自使該樣本出現(xiàn)概率最大的總體。因此未知參數(shù)的極大似然估計(jì)就是使得似然函數(shù)（即聯(lián)合密度函數(shù)）達(dá)到最大的參數(shù)值似然方程由于和都不是的顯式表達(dá)式。因而似然方程組實(shí)際上是由p+q+1個(gè)超越方程構(gòu)成，通常需要經(jīng)過(guò)復(fù)雜的迭代算法才能求出未知參數(shù)的極大似然估計(jì)值對(duì)極大似然估計(jì)的評(píng)價(jià)優(yōu)點(diǎn)極大似然估計(jì)充分應(yīng)用了每一個(gè)觀(guān)察值所提供的信息，因而它的估計(jì)精度高同時(shí)還具有估計(jì)的一致性、漸近正

4、態(tài)性和漸近有效性等許多優(yōu)良的統(tǒng)計(jì)性質(zhì)缺點(diǎn)需要假定總體分布最小二乘估計(jì)原理使殘差平方和達(dá)到最小的那組參數(shù)值即為最小二乘估計(jì)值條件最小二乘估計(jì)實(shí)際中最常用的參數(shù)估計(jì)方法假設(shè)條件殘差平方和方程解法迭代法對(duì)最小二乘估計(jì)的評(píng)價(jià)優(yōu)點(diǎn)最小二乘估計(jì)充分應(yīng)用了每一個(gè)觀(guān)察值所提供的信息，因而它的估計(jì)精度高條件最小二乘估計(jì)方法使用率最高缺點(diǎn)需要假定總體分布模型檢驗(yàn)?zāi)Ｐ偷娘@著性檢驗(yàn)整個(gè)模型對(duì)信息的提取是否充分參數(shù)的顯著性檢驗(yàn)?zāi)Ｐ徒Y(jié)構(gòu)是否最簡(jiǎn)模型的顯著性檢驗(yàn)?zāi)康臋z驗(yàn)?zāi)Ｐ偷挠行裕▽?duì)信息的提取是否充分）檢驗(yàn)對(duì)象殘差序列判定原則一個(gè)好的擬合模型應(yīng)該能夠提取觀(guān)察值序列中幾乎所有的樣本相關(guān)信息，即殘

5、差序列應(yīng)該為白噪聲序列反之，如果殘差序列為非白噪聲序列，那就意味著殘差序列中還殘留著相關(guān)信息未被提取，這就說(shuō)明擬合模型不夠有效假設(shè)條件原假設(shè)：殘差序列為白噪聲序列備擇假設(shè)：殘差序列為非白噪聲序列檢驗(yàn)統(tǒng)計(jì)量LB統(tǒng)計(jì)量參數(shù)顯著性檢驗(yàn)?zāi)康臋z驗(yàn)每一個(gè)未知參數(shù)是否顯著非零。刪除不顯著參數(shù)使模型結(jié)構(gòu)最精簡(jiǎn)假設(shè)條件檢驗(yàn)統(tǒng)計(jì)量例2.5續(xù)選擇合適的模型ARMA擬合1950年——1998年北京市城鄉(xiāng)居民定期儲(chǔ)蓄比例序列。序列自相關(guān)圖序列偏自相關(guān)圖擬合模型識(shí)別自相關(guān)圖顯示延遲3階之后，自相關(guān)系數(shù)全部衰減到2倍標(biāo)準(zhǔn)差范圍內(nèi)波動(dòng)，這表明序列明顯地短期相關(guān)。但序列由顯著非零的相關(guān)系數(shù)衰減為小值

6、波動(dòng)的過(guò)程相當(dāng)連續(xù)，相當(dāng)緩慢，該自相關(guān)系數(shù)可視為不截尾偏自相關(guān)圖顯示除了延遲1階的偏自相關(guān)系數(shù)顯著大于2倍標(biāo)準(zhǔn)差之外，其它的偏自相關(guān)系數(shù)都在2倍標(biāo)準(zhǔn)差范圍內(nèi)作小值隨機(jī)波動(dòng)，而且由非零相關(guān)系數(shù)衰減為小值波動(dòng)的過(guò)程非常突然，所以該偏自相關(guān)系數(shù)可視為一階截尾所以可以考慮擬合模型為AR(1)例2.5續(xù)確定1950年——1998年北京市城鄉(xiāng)居民定期儲(chǔ)蓄比例序列擬合模型的口徑擬合模型：AR(1)估計(jì)方法：極大似然估計(jì)模型口徑例2.5續(xù)檢驗(yàn)1950年——1998年北京市城鄉(xiāng)居民定期儲(chǔ)蓄比例序列擬合模型的顯著性殘差白噪聲序列檢驗(yàn)結(jié)果延遲階數(shù)LB統(tǒng)計(jì)量P值檢驗(yàn)結(jié)論65.830.322

7、9擬合模型顯著有效1210.280.50501811.380.8361例2.5續(xù)檢驗(yàn)1950年——1998年北京市城鄉(xiāng)居民定期儲(chǔ)蓄比例序列極大似然估計(jì)模型的參數(shù)是否顯著參數(shù)檢驗(yàn)結(jié)果檢驗(yàn)參數(shù)t統(tǒng)計(jì)量P值結(jié)論均值46.12<0.0001顯著6.72<0.0001顯著例2.5:北京市城鄉(xiāng)居民定期儲(chǔ)蓄比例序列擬合與預(yù)測(cè)圖例3.8美國(guó)科羅拉多州某一加油站連續(xù)57天的OVERSHORT序列序列自相關(guān)圖序列偏自相關(guān)圖擬合模型識(shí)別自相關(guān)圖顯示除了延遲1階的自相關(guān)系數(shù)在2倍標(biāo)準(zhǔn)差范圍之外，其它階數(shù)的自相關(guān)系數(shù)都在2倍標(biāo)準(zhǔn)差范圍內(nèi)波動(dòng)。根據(jù)這個(gè)特點(diǎn)可以判斷該序列具有短期相關(guān)性，進(jìn)一