ARMA模型.doc_第1页
ARMA模型.doc_第2页
ARMA模型.doc_第3页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

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=1Xt-1+2Xt-2+pXt-p+t就称为P阶自回归模型,记为AR(p)。其中i称为自回归系数,是待估参数。随机项t是相互独立的白噪声序列,服从均值为0,方差为2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=1BXt+2B2Xt+PBpXt+t我们令(B)=1-1B-2B2-pBp,模型就被简化为BXt=t。AR(p)平稳的等价条件是B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是它的当期和前期的随机误差项的线性函数,即Xt=+t-1t-1-qt-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B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=1Xt-1+2Xt-2+pXt-p+t-1t-1-qt-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

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论