时间序列分析第一章、第二章.ppt

概率统计学科中应用性较强的一个分支 广泛的应用领域： 金融经济 气象水文 信号处理 机械振动 ………… Wolfer记录的300年的太阳黑子数 太阳黑子对地球的影响 会出现磁暴现象 会引起地球上气候的变化 会影响地球上的地震 会影响树木生长 会影响到我们的身体 ……………………… 杭州近三年房价走势 房地产业、房价 关乎国计民生的支柱产业 影响着城镇居民的住房消费 影响着水泥，钢铁，建材，冶金等相关行业的发展 影响着地方政府财政收入 ……………………………. 股市是经济的晴雨表 从股市本身看，我国股市的确有自己的特点 股票是一种高风险的资本投资 ……………………………… 1985至2000年广州月平均气温 国际航空公司月旅客数 化学反应过程中溶液浓度数据 目的：描述、解释、预测、控制 本书主要介绍时间序列的基本知识、常用的建模和预测方法 参考书： 1. 时间序列的理论与方法 田铮 译 高等教育出版社 2. Nonlinear Time Series: Nonparametric and Parametric Methods Jianqing Fan Qiwei Yao 3.应用时间序列分析 王燕 中国人民大学出版社 4.时间序列分析 易丹辉 中国人民大学出版社 5. 时间序列分析的小波方法 机械工业出版社 目 录 第一章 时间序列 第二章 自回归模型 第三章 滑动平均模型与自回归滑动平均模型 第四章 均值和自协方差函数的估计 第五章 时间序列的预报 第六章 ARMA模型的参数估计 第一章 时间序列 时间序列、平稳序列 线性平稳序列、平稳序列的谱函数 § 1.1 时间序列的分解 按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。 一、时间序列的定义 时间序列:按时间次序排列的随机变量序列 个观测样本:随机序列的 个有序观测值 称序列 是时间序列(1.1)的一次实现或一条轨道 二、时间序列的分解 趋势项 、季节项 、随机项 模型的描述、解释 自然规律：一年四季变化 (降雨量、气温等等) 生活规律：周六、周日休息日 每天的上下班 (用水量、用电量 旅游人数、乘客人数) 经济发展规律：螺旋型上升 (国民生产总值、股市价 格、外率等等) 社会的发展规律: (道路是曲折的、前途是光明的) ……………………… 注：1. 单周期s季节项，则 此时在模型中可要求 2. 随机项，可设 3. 三、分解方法 例图 分解一般步骤 1. 趋势项估计 分段趋势(年平均) 线性回归拟合直线 二次曲线回归 滑动平均估计 2. 估计趋势项后,所得数据 由季节项和随机项组成, 季节项估计 可由该数据的每个季节平均而得. 3. 随机项估计即为 方法一：分段趋势法 1、趋势项(年平均) 减去趋势项后,所得数据 2、季节项 3.随机项的估计 方法二：回归直线法 一、趋势项估计 一元线性回归模型 最小二乘估计为 可得到 1. 直线趋势项 消去趋势项后,所得数据 2、季节项估计 为 3. 随机项估计为 方法三： 二次曲线法 1. 二次项估计（趋势项） 数据和二次趋势项估计 2. 季节项、随机项 例二、美国罢工数（51-80年） （滑动平均法） 1. 趋势项（5项平均） 2.季节项和随机项 例三、化学溶液浓度变化数据 例四、Canadian lynx data（猞猁） 例五、沪深1209（股指期货） 例六、国际航空公司的月客数 y2=log(y1); plot(y2); y3=diff(y2); y=y3(13:143)-y3(1:131); §1.2 平稳序列 时间序列的分解中趋势项和季节项通常可以用非随机函数来描述。 随机项通常呈现出沿一水平波动的性质，且前后数据具有一定的相关性，与独立序列有所不同。 一、平稳序列 例2.1 平稳序列的线性变换 例2.2 调和平稳序列 自协方差函数的性质 性质(2)的证明 证 任取一个 维实向量 有 性质(3)、