时间序列2 ar ma
2018-03-22 02:28
197 查看
一、ar(p): p阶自回归
定义:x的当期值=常数+p个邻近期历史值的线性组合+当期白噪声 (要求x个历史值和当期白噪声不相关)求解:Yule-walker方程 (由p阶ar的特征值和特征函数)
http://blog.csdn.net/shigangzwy/article/details/69525576
使用前提:r系数大于0.5 否则不存在明显自回归 / 适用于内因影响大于外因
性质:p阶自回归的传递形式即无穷ma(泰勒展开)
如果一个过程可以用一个自回归模型来逼近,我们称该过程具有可逆性。
k阶自协方差
p阶ar的方差(g0) = 白噪声方差 + 1~p阶自协方差的线性组合p阶ar的k阶自协方差函数(gk)= k-1~k-p阶自协方差的线性组合
eg g1即xt和xt-1的相关系数(1阶自协方差即相关系数)
g2即xt和(xt-1,xt-2)的混合相关系数即自协方差
偏相关:
控制其他变量的线性影响,只研究特定x和y的相关度。判定:偏相关系数
作用:只保留对xt影响较大的p个历史值,较小的舍去。(降维) 性质:xt为p阶ar的充分必要条件是xt的偏相关系数p步截尾
(理解:xt只和p个历史值有关,大于p的时间间隔内的影响近似为0)
VAR 向量自回归———系数扩散为矩阵
适用多个变量序列之间存在较强多重共线性时,估计联合内生变量k个当期变量(向量形式)= 常数+ k乘k的VAR系数矩阵 · 包含p个历史期的k个变量+当期白噪声
二、MA(q):q阶移动平均
定义:随机序列的当期值 = 白噪声当前值 + q个历史值的线性组合性质:rk是ma(q)的自协方差函数的充必条件是q步截尾(理解:只和q个历史白噪声相关)
ma(q)的逆转形式是无穷ar
相关文章推荐
- 线性时间构造普吕弗(Prüfer)序列
- 基于时间序列的用户行为预测
- 每天一道LeetCode-----在给定序列中找到满足nums[i]>nums[i-1]&&nums[i]>nums[i+1]的位置,要求时间复杂度是O(logN)
- R语言时间序列函数整理[不断更新]
- O(lg m + lgn)时间复杂度求两个有序序列合并后第K大的数
- 数据分析-时间序列分析
- pandas时间序列频率处理
- 时间序列挖掘-三次指数平滑法(Holt-Winters)
- 利用Python进行数据分析--时间序列
- 时间序列理论专题之一 前言
- Pandas 时间序列数据绘制X轴主要刻度和次要刻度
- R语言-时间序列函数整理
- 51nod 1134 最长递增子序列(dp) 时间复杂度为O(nlogn)
- 【算法数据结构Java实现】时间复杂度为O(n)的最大和序列
- R语言-时间序列
- python matplotlib 画dataframe的时间序列图
- 《利用python进行数据分析》读书笔记--第十章 时间序列(三)
- 使用R进行时间序列分解
- 人工智能:python 实现 第十一章,从时间序列数据中提取统计信息
- 时间序列常用方法