1. 程式人生 > >時間序列分析及應用 R語言 讀書筆記 02

時間序列分析及應用 R語言 讀書筆記 02

第二章 基本概念

Yt代表時間序列t時刻的值

自協方差函式γt,s

γt,s=cov(Yt,Ys)=E[(Ytμt)(Ysμs)]=E(YtYs)μtμs

自相關函式

ρt,s=corr(YtYs)=cov(YtYs)Var(Yt)Var(Ys)=γt,sγt,tγs,s
ρ接近±1時說明相關性強,接近0則說明基本不相關

隨機遊動 random walk

假設e1,e2...et是均值為為0,方差為σ2,獨立同分布的數列
假設時間序列Yt為下式:
這裡寫圖片描述
μt=0,Var(Yt)=tσ2
可以看到這裡方差是隨時間逐漸加大的
其自協方差和自相關係數為(t<=s):
這裡寫圖片描述


這裡寫圖片描述
由於e是獨立同分布的所以
γt,s=tσ2
這裡寫圖片描述

滑動平均

再次利用上面的{e}來構造一個例子

Yt=et+et12
這就是滑動平均了
他的自協方差和自相關係數有以下性質:
這裡寫圖片描述
書裡有詳細的證明,這裡不再贅述。
這裡可以看出,Yt的自相關係數在間隔k個單位時都是相同的即對任意t,下式相同ρt,tk

平穩性

平穩性是一個重要的概念,它的基本思想是:
序列的特性,不再隨著時間的變化而變化。
表現為時間間隔前後的Yt,Ytk有相同的分佈。
對於多元函式則是時間間隔k前後的聯合分佈相同。
為簡便起見以後可能會有以下符號:

γk=cov(Yt,Ytk),ρk=
corr(Yt,Ytk)

對於平穩的條件,書中給出了一個數學上更弱一點的平穩的條件:
1. 均值在所有時間上恆為常數
2. γt,tk=γ0,k
以後指的平穩若沒有特殊說明,都是這個弱平穩。

書中可以證明:對於上面的序列{e}是一個平穩的序列(也叫白噪聲),滑動平均也是一個平穩的序列,但是隨機漫步不是一個平穩序列。
但是如果將隨即漫步差分:
Yt=YtYt1=et就變成了穩定的序列