平稳时间序列模型的性质概述1课件.ppt

1、第四章 时间序列模型的性质12022-7-21第一节 自回归过程的性质v一、一阶自回归过程AR(1)的性质v二、二阶自回归过程AR(2)的性质v三、p阶自回归过程AR(p)的性质第四章 时间序列模型的性质22022-7-21一、一阶自回归过程AR(1)的性质v一阶自回归模型的形式为：tttxx11或ttxB11第四章 时间序列模型的性质32022-7-211、平稳性和可逆性a.可逆性：一个有限阶的自回归模型总是可逆的，所以，ar(1)模型总是可逆的。B.平稳性：为满足平稳性，的根必须在单位圆外，即应有：011B11第四章 时间序列模型的性质42022-7-212.ar(1)过程的自相关函数kk

2、kktkttkttktkaatttttkxExxExxExxExEAR10111121202021211212120:)1()()()(1)2()(:)1(解此差分方程有所以所以下过程的自协方差函数如第四章 时间序列模型的性质52022-7-211,0)1(:010有时当因此它的自相关函数为kkkkk第四章 时间序列模型的性质62022-7-212121261412111224121212221111221112122614121224121212222111201)1()()()(1)1()()()(:akakkktktktktktktktktttkttkaatttttttEExxEEExE

3、方法证明上述结论还可通过如下第四章 时间序列模型的性质72022-7-211010且于是有kkk第四章 时间序列模型的性质82022-7-21通过上述推导可看出，当过程平稳即通过上述推导可看出，当过程平稳即 时，时，AR(1)过程的自相关函数（过程的自相关函数（ACF）呈）呈指数衰减。指数衰减。如果如果 ，那么所有的自相关系数都为正，那么所有的自相关系数都为正，并逐渐衰减。并逐渐衰减。如果如果 ，自相关系数的符号以负号开始，自相关系数的符号以负号开始，并呈正、负交替逐渐衰减。并呈正、负交替逐渐衰减。01111101第四章 时间序列模型的性质92022-7-21例例1，下面两图表分别是模拟生成的

4、，下面两图表分别是模拟生成的249个数据个数据如下如下AR(1)过程趋势图和自相关图过程趋势图和自相关图白噪声为正态其中或)1,0(,85.085.0)85.01(11NaxxxBtttttt第四章 时间序列模型的性质102022-7-21-6-4-202482848688909294969800例例1，模拟生成的，模拟生成的AR(1)过程趋势图过程趋势图第四章 时间序列模型的性质112022-7-21例1：模拟生成的AR(1)过程自相关图:85.085.0)85.01(11其中或tttttxxxB呈指数衰减第四章 时间序列模型的性质122022-7-21例例2，下面两图表分别是模拟生成的，下

5、面两图表分别是模拟生成的249个数据个数据如下如下AR(1)过程趋势图和自相关图过程趋势图和自相关图白噪声为正态其中或)1,0(,85.0)85.0()85.01(11NxxxBtttttt第四章 时间序列模型的性质132022-7-21-6-4-2024682848688909294969800Y例例2，模拟生成的，模拟生成的AR(1)过程趋势图过程趋势图第四章 时间序列模型的性质142022-7-21例2：模拟生成的AR(1)过程自相关图:85.0)85.0()85.01(11其中或tttttxxxB呈正负交替指数衰减第四章 时间序列模型的性质152022-7-213.AR(1)过程的偏自

6、相关函数（PACF）A.偏自相关函数的一般公式.)1(0),cov(,:,0)(.,112211121121间的偏自相关系数和也就是上式中的且为正态误差项个回归系数为第上式中则有间存在线性关系与且假设来表示它一般用的相关性之间和的影响之后之间的随机变量和偏自相关函数指剔除掉在第二章我们已经知道kttkkjtttkitktkkktkktktktktktttttkkkttktttkttxxjxeeiexxxxxxxxxxxExxxxxxx第四章 时间序列模型的性质162022-7-21kjkkjkjkjkjkkjkjkjjtktkkjttkjttkjttjtxxExxExxExxEjx221122

7、112211:)()()()(,)1(:所以于是有并求期望得乘上式两端将式可推导如下偏自相关函数的一般公第四章 时间序列模型的性质172022-7-21即为偏自相关函数方程此方程称为我们有如下方程组对于kkkkkkkkkkkkkkkkkkkWolYulekj,ker,2,102211202112112011第四章 时间序列模型的性质182022-7-2101210121031220111033112110110211022111111,2,1法则可得由对于Gramerkk第四章 时间序列模型的性质192022-7-21的一般公式上式即为偏自相关函数类推下去可得11111,13212311122

8、1132123111221kkkkkkkkkkkkkkk第四章 时间序列模型的性质202022-7-21B.AR(1)过程的偏自相关函数0011,0121012102112110101100121012103122011103311111010011021102211111公式得及偏自相关函数的一般由kk第四章 时间序列模型的性质212022-7-21)2(0:1111kkk于是有如下结论上述结论说明：上述结论说明：AR(1)过程的偏自相关函数过程的偏自相关函数(PACF)在滞后一阶有一峰值，其符号取在滞后一阶有一峰值，其符号取决于决于 。滞后一阶以后。滞后一阶以后PACF截尾。截尾。1第四章

9、 时间序列模型的性质222022-7-21另一种思路：v根据定义：偏自相关函数是指扣除Xt和Xt-k之间的随机变量Xt-1,Xt-2,Xt-k-1等影响之后的Xt和Xt-k之间的相关性。v对于p阶自回归过程，当sp时，xt与xt-s有直接的相关性；而sp时，两者没有直接的相关性。v因此，对于AR(p)过程，在模型的滞后阶数以内，通常有非零的偏自相关系数；但在滞后阶数以外，偏自相关系数则为零。第四章 时间序列模型的性质232022-7-21例1：模拟生成的AR(1)过程自相关图:85.085.0)85.01(11其中或tttttxxxB滞后一阶以后截尾第四章 时间序列模型的性质242022-7-

10、2185.0)85.0()85.01(11其中或tttttxxxB例2：模拟生成的AR(1)过程自相关图:滞后一阶以后截尾第四章 时间序列模型的性质252022-7-214.AR(1)过程的传递形式和格林函数第四章 时间序列模型的性质262022-7-21二、二阶自回归AR(2)过程的性质二阶自回归模型的形式为：ttttxxx2111或ttxBB2211第四章 时间序列模型的性质272022-7-21B.平稳性：为满足平稳性，的根必须在单位圆外.1、平稳性和可逆性A.可逆性：ar(2)模型总是可逆的。01221BB第四章 时间序列模型的性质282022-7-212.AR(2)过程的自相关函数)

11、1(,)1()()()()()2(221122112211kkxExxExxExxEARkkkkkktkttkttkttktk自相关函数为因而所以下过程的自协方差求得如第四章 时间序列模型的性质292022-7-21呈混合指数衰减的显然此时可由如下初始条件求出其中常数于是解之得特征根为异实根即上述特征方程有两相如果程为上述差分方程的特征方ACFARbbbbkkk)2(,)24()24(24,04)1(02112121121221122211122112,1221212第四章 时间序列模型的性质302022-7-21呈指数衰减的显然此时可由如下初始条件求出其中常数于是解之得特征征根为实根即上述特

12、征方程有两重如果ACFARbbkbbkk)2(,)2)(2,04)2(211212112112112,1221第四章 时间序列模型的性质312022-7-21呈阻尼正弦波衰减的显然此时可由如下初始条件求出常数为复角为复根的模其中于是解之得特征根为共轭复根即上述特征方程有一对如果ACFARbbrtrbtrbiidckkk)2(,coscos2)4(,04)3(211212112122122112,1221第四章 时间序列模型的性质322022-7-21通过上述推导可以如下结论，通过上述推导可以如下结论，在AR(2)过程的平稳性条件满足时，如果特征方程的根为实根，即 时，AR(2)的自相关函数呈指

13、数衰减。如果特征方程的根为复根，即 时，AR(2)的自相关函数呈阻尼正弦波衰减。0422104221第四章 时间序列模型的性质332022-7-213.AR(2)过程的偏自相关函数21212011021102221111221111,)2(公式得由偏自相关函数的一般因为过程对于kkkAR第四章 时间序列模型的性质342022-7-21001210121012211202110112011001210121031220111033第四章 时间序列模型的性质352022-7-21另一种思路：直接根据定义第四章 时间序列模型的性质362022-7-21通过上述证明可以得出如下结论：通过上述证明可以得

14、出如下结论：.)2(,0,3,)2(过程是滞后二阶截尾的因此时当过程对于ARkARkk第四章 时间序列模型的性质372022-7-21例例1，下面两图表分别是模拟生成的，下面两图表分别是模拟生成的250个数据个数据如下如下AR(2)过程趋势图和自相关图过程趋势图和自相关图白噪声为正态其中或)1,0(,5.0,3.05.03.0)5.03.01(21212NaxxxxBBttttttt第四章 时间序列模型的性质382022-7-21-4-202482848688909294969800例例1.模拟生成的模拟生成的AR(2)过程趋势图过程趋势图第四章 时间序列模型的性质392022-7-21例例1

15、.模拟生成的模拟生成的AR(2)过程自相关图过程自相关图05.003.021呈混合指数衰滞后二阶以后截尾第四章 时间序列模型的性质402022-7-21例例2，下面两图表分别是模拟生成的，下面两图表分别是模拟生成的250个数据个数据如下如下AR(2)过程趋势图和自相关图过程趋势图和自相关图白噪声为正态其中或)1,0(,3.0,5.03.05.0)3.05.01(21212NxxxxBBttttttt第四章 时间序列模型的性质412022-7-21-6-4-2024682848688909294969800例例2.模拟生成的模拟生成的AR(2)过程趋势图过程趋势图第四章 时间序列模型的性质422

16、022-7-21例例2.模拟生成的模拟生成的AR(2)过程自相关图过程自相关图03.005.021呈混合指数衰减滞后二阶以后截尾第四章 时间序列模型的性质432022-7-21例例3，下面两图表分别是模拟生成的，下面两图表分别是模拟生成的250个数据个数据如下如下AR(2)过程趋势图和自相关图过程趋势图和自相关图白噪声为正态其中或)1,0(5.0,15.0)5.01(21212NxxxxBBttttttt第四章 时间序列模型的性质442022-7-21-4-202482848688909294969800模拟生成的模拟生成的AR(2)过程趋势图过程趋势图第四章 时间序列模型的性质452022-

17、7-21模拟生成的模拟生成的AR(2)过程自相关图过程自相关图05.00121呈阻尼正弦波衰减滞后二阶以后截尾第四章 时间序列模型的性质462022-7-214.AR(2)过程的传递形式和格林函数v（1）传递形式v（2）格林函数第四章 时间序列模型的性质472022-7-21三、p阶自回归过程AR(p)的性质二阶自回归模型的形式为：tptptttxxxx2111或ttppxBBB2211第四章 时间序列模型的性质482022-7-21B.平稳性：为满足平稳性，的根必须在单位圆外.1、平稳性和可逆性A.可逆性：ar(p)模型总是可逆的。01)(221ppBBBB第四章 时间序列模型的性质4920

18、22-7-21对于高阶的自回归过程，其平稳性条件用其模型参数表示虽比较复杂，但都有最基本的一点：121q这是自回归过程平稳的必要条件之一。第四章 时间序列模型的性质502022-7-212.AR(p)的自相关函数ACF方程上式即为关系自相关函数有如下递推因而时当其中所以下过程的自协方差求得如ker)1(,0)(,0,)1()()()()()()(221122112211WolYulekxEkkxxExxExxExxExxEpARpkpkkkkttpkpkkktktptktptkttkttktk第四章 时间序列模型的性质512022-7-21.0),(:,.,2211212211的解是其中特征根

19、它的解的形式为况下在具有相异根的情阶差分方程一个其实也就是的递推公式上式关于pppppjppjjjkgggp第四章 时间序列模型的性质522022-7-21通过上述推导有如下结论：通过上述推导有如下结论：对于平稳过程，有对于平稳过程，有|i|p时，上式分母行列式最后列是同一矩阵前面各列的线性组合。于是当kp时,有kk=0。第四章 时间序列模型的性质552022-7-214.AR(p)模型的传递形式和格林函数v(1)传递形式v(2)格林函数第四章 时间序列模型的性质562022-7-21例:考察如下AR模型的自相关和偏自相关ttttttttttttttxxxxxxxxxx2121115.0)4(

20、5.0)3(8.0)2(8.0)1(第四章 时间序列模型的性质572022-7-211(1)0.8tttxxACFPACF第四章 时间序列模型的性质582022-7-211(2)0.8tttxx ACFPACF第四章 时间序列模型的性质592022-7-2112(3)0.5ttttxxxACFPACF第四章 时间序列模型的性质602022-7-2112(4)0.5ttttxxx ACFPACF第四章 时间序列模型的性质612022-7-21第二节 移动平均过程的性质一、一阶移动平均过程MA(1)的性质二、二阶移动平均过程MA(2)的性质三、q阶移动平均过程MA(q)的性质第四章 时间序列模型的

21、性质622022-7-21一、一阶移动平均过程MA(1)的性质v一阶移动平均模型MA(1)的形式为：ttttBx)1(111其中：xt为零均值平稳序列，t为零均值的白噪声。第四章 时间序列模型的性质632022-7-211.MA(1)过程的平稳性和可逆性vA.平稳性：AR(1)过程总是平稳的。vB.可逆性：v为满足可逆性，(B)=11B=0 的根必的根必须在单位圆外，即有：须在单位圆外，即有：11第四章 时间序列模型的性质642022-7-21注：以后对注：以后对MA(1)过程性质的讨论中，过程性质的讨论中，都假定可逆性条件满足，即有：都假定可逆性条件满足，即有：|1|0,那么PACF都为负，

22、且呈指数衰减；如果10t为白噪声滞后一阶截尾呈负指数衰减第四章 时间序列模型的性质752022-7-21例2：模拟产生的250个数据的如下MA(1)过程的趋势图和自相关图：白噪声为正态其中)1,0(85.0)85.0(1()85.0(11NBxttttt第四章 时间序列模型的性质762022-7-21-4-20248082848688909294969800Y第四章 时间序列模型的性质772022-7-21Xt=t(0.85)t-1 =(1(0.85)B)t其中1=0.850呈正负交替指数衰减滞后一阶截尾第四章 时间序列模型的性质782022-7-214.MA(1)过程的逆转形式第四章 时间序

23、列模型的性质792022-7-21二、二阶移动平均过程MA(2)的性质二阶移动平均模型MA(2)的形式为：tttttBBx)1(2212211其中：xt为零均值平稳序列，t为零均值的白噪声。第四章 时间序列模型的性质802022-7-211.MA(2)过程的平稳性和可逆性A.平稳性：MA(2)过程总是平稳的。B.可逆性：为满足可逆性,的根必须在单位圆外。01)(221BBB第四章 时间序列模型的性质812022-7-212.MA(2)过程的自相关函数ACF22221222221222221122221120)1()()()()()()2(aaaatttttttEEEExEMA下过程的自协方差函

24、数如第四章 时间序列模型的性质822022-7-2120)()()()()1()()()()(22112211224231222112222122121222121132211221111kExxEExxEEEExxEktktkttttkttkattttttttaaatttttttttt第四章 时间序列模型的性质832022-7-21.)2(,202111)1()()2(222122221210滞后二阶截尾过程的自相关函数于是可得结论为过程的自相关函数所以MAkkkACFMAkk第四章 时间序列模型的性质842022-7-212.MA(2)过程的偏自相关函数(PACF)1(21)2(1,03,

25、)2(22122221313321212222111有推公式利用偏自相关函数的递时当过程对于kkMA第四章 时间序列模型的性质852022-7-21对于MA(2)过程，我们有如下结论：如果其特征方程:11B2B2=0 的根是实数，则kk是两个衰减指数的和；如果其根是复数，则kk 是一衰减的正弦波。第四章 时间序列模型的性质862022-7-21如下页所示相图和样本偏自关的样本自相关图它们的个值的序列态白噪声产生的为正和由例)()(,250)24.065.01(12SPACFSACFBBxttt第四章 时间序列模型的性质872022-7-21)()()24.065.01()2(2SPACFSAC

26、FBBxMAtt和样本偏自关相图的样本自相关图序列模拟滞后二阶截尾指数衰减(拖尾)第四章 时间序列模型的性质882022-7-21如下页所示相图和样本偏自关的样本自相关图它们的个值的序列态白噪声产生的为正和由例)()(,250)3.085.01(22SPACFSACFBBxttt第四章 时间序列模型的性质892022-7-21滞后二阶截尾阻尼正弦波衰减(拖尾)()()3.085.01()2(2SPACFSACFBBxMAtt和样本偏自关相图的样本自相关图序列模拟第四章 时间序列模型的性质902022-7-214.MA(2)过程的逆转形式第四章 时间序列模型的性质912022-7-21三、q阶移

27、动平均过程MA(q)性质为白噪声序列其中模型的一般形式为ttqqqtqttttBBBxqMA)1()(2212211第四章 时间序列模型的性质922022-7-211.平稳性和可逆性vA.平稳性：有限阶移动平均过程MA(q)总是平稳的。vB.可逆性：为满足可逆性，01)(221qqBBBB的根必须在单位圆外。第四章 时间序列模型的性质932022-7-21对于高阶的移动平均过程，其可逆性条件用其模型参数表示虽比较复杂，但都有最基本的一点：121q这是移动平均过程可逆的必要条件之一。第四章 时间序列模型的性质942022-7-212.MA(q)过程的自相关函数(ACF)qkqkxEqMAqkqk

28、kakaqt0,2,1)()1()(,)(11222222120有过程可以证明对于第四章 时间序列模型的性质952022-7-21qkqkqMAqqkqkkk0,2,11)(2222111的自相关函数为因而因而：MA(q)过程的自相关函数是滞后q阶截尾的。第四章 时间序列模型的性质962022-7-213.MA(q)过程的偏自相关函数（PACF）v要用明确的公式表示出MA(q)过程的自相关函数是很困难的，但是从前面我们对MA(1)、MA(2)的讨论中，可以看出：MA(q)过程的偏自相关函数是由01)(221qqBBBB的根确定的，呈混合指数衰减或阻尼正弦波衰减。的根确定的，呈混合指数衰减或阻尼

29、正弦波衰减。第四章 时间序列模型的性质972022-7-21例:考察如下MA模型的相关性质212111162545)4(251654)3(5.0)2(2)1(ttttttttttttttxxxx第四章 时间序列模型的性质982022-7-21MA模型的自相关系数截尾v n 112tttx（）120.5tttx（）第四章 时间序列模型的性质992022-7-21MA模型的自相关系数截尾v n 124163525ttttx（）125254416ttttx（）第四章 时间序列模型的性质1002022-7-21MA模型的偏自相关系数拖尾v n 112tttx（）120.5tttx（）第四章 时间序列模

30、型的性质1012022-7-21MA模型的偏自相关系数拖尾v n 124163525ttttx（）125254416ttttx（）第四章 时间序列模型的性质1022022-7-21MA模型可逆性vMA模型自相关系数的不唯一性例中不同的MA模型具有完全相同的自相关系数和偏自相关系数212111162545)4(251654)3(5.0)2(2)1(ttttttttttttttxxxx第四章 时间序列模型的性质1032022-7-21可逆概念的重要性一个自相关系数列唯一对应一个可逆MA模型。v 1tttx11tttx21ttBx1ttBx11可逆,1可逆,1第四章 时间序列模型的性质1042022

31、-7-21第三节 自回归移动平均ARMA(p,q)过程v一、ARMA(1,1)的性质v二、ARMA(p,q)过程的性质第四章 时间序列模型的性质1052022-7-21一、ARMA(1,1)的性质tqtpttttxBxBxxARMA)()()1,1(1111或模型的一般形式为无公共因子和为白噪声序列其中假定)()()3(0)()2()1(:BBstaxEaqpstt第四章 时间序列模型的性质1062022-7-211.ARMA(1,1)过程的平稳性和可逆性模型该模型就是如果模型该模型就是如果即的根必须在单位圆外为满足平稳性即的根必须在单位圆外为满足可逆性)1(,0)1(,01,01)(,1,0

32、1)(,111111MAARBBBBpq第四章 时间序列模型的性质1072022-7-212.ARMA(1,1)过程的ACF)()()1,1(111111111111tkttktkktkttkttkttktktttttxExExxxxxxxxxARMA对两边求期望得乘两端得用模型的一般形式得由第四章 时间序列模型的性质1082022-7-21210112111211021121111111211211111101)()()()()()()()(0aaaatttttttatttttttttttkxExExExExExEk时有当于是其中时有当第四章 时间序列模型的性质1092022-7-21122

33、1)1)(01,21111211111011kkkkkkkkk到通过整理计算最后可得得时当第四章 时间序列模型的性质1102022-7-21v通过上式可以看出，ARMA(1,1)过程的自相关函数具有AR(1)过程和MA(1)过程的组合特性。v当k=1时，自相关系数有一峰值自相关系数有一峰值，并且是由1和1共同决定，。v当k2时，自相关系数仅取决于1即自回归部分对应的差分方程的根，呈指数衰减。第四章 时间序列模型的性质1112022-7-213.ARMA(1,1)过程的PACFvARMA(1,1)过程的PACF和它的ACF一样，也是滞后一阶有一峰值滞后一阶有一峰值，一阶以后呈指数衰减阶以后呈指数

34、衰减，不过指数衰减的形态由1和1共同决定，因此指数衰减的形态比MA(1)过程PACF指数衰减形式更多第四章 时间序列模型的性质1122022-7-21例1：模拟产生的250个数据的如下ARMA(1,1)过程的样本ACF和样本PACF：白噪声为正态其中即)1,0(5.09.0)5.01()9.01(5.09.01111NBxBxxttttttt第四章 时间序列模型的性质1132022-7-21例例1.模拟生成的模拟生成的ARMA(1,1)过程的样本过程的样本ACF和样本和样本PACF05.009.011滞后一阶有一峰值之后呈指数衰减滞后一阶有一峰值之后呈指数衰减第四章 时间序列模型的性质1142

35、022-7-21例2：模拟产生的250个数据的如下ARMA(1,1)过程的样本ACF和样本PACF：白噪声为正态其中即)1,0(5.09.0)5.0(1()9.0(1()5.0()9.0(1111NaBxBxxttttttt第四章 时间序列模型的性质1152022-7-21例例2.模拟生成的模拟生成的ARMA(1,1)过程的样本过程的样本ACF和样本和样本PACF05.009.011指数拖尾指数拖尾滞后一阶有峰值第四章 时间序列模型的性质1162022-7-214.ARMA(1,1)过程的传递形式和逆转形式v（1）传递形式和格林函数：vxt=-1(B)(B)atv（2）逆转形式和逆函数v-1(

36、B)(B)xt=at第四章 时间序列模型的性质1172022-7-21二、ARMA(p,q)过程的性质tqtpqtqttptpttxBxBxxxqpARMA)()(),(1111或模型的一般形式为无公共因子和为白噪声序列其中假定)()()3(0),()2()1(:BBstaxEaqpstt第四章 时间序列模型的性质1182022-7-211.ARMA(p,q)的平稳性和可逆性的根必须在单位圆外为满足平稳性的根必须在单位圆外为满足可逆性模型对于01)(,01)(,),(11pppqqqBBBBBBqpARMA第四章 时间序列模型的性质1192022-7-212212211)()()(:)(:1)

37、()()(:)(:),(BBBBBaBxBBBBBaxBqpARMApqttqptt其中即均形式表示该过程也可用纯移动平其中即式表示过程可以用纯自回归形第四章 时间序列模型的性质1202022-7-212.ARMA(p,q)过程的ACF)()()(),(1111112211112211qtktqtkttktpkpkkqtktqtkttktptktptkttkttktktqtqttptptttaxEaxEaxEaxaxaxxxxxxxxxxaaaxxxxqpARMA对两边求期望得乘两端得用模型的一般形式得由第四章 时间序列模型的性质1212022-7-21qkqkikaxEstaxEpkpkkp

38、kpkkitktst1111:0)(0)(于是可得到所以有即由于第四章 时间序列模型的性质1222022-7-21由上推导可以得出结论：ARMA(p,q)模型的自相关函数滞后滞后q阶后拖尾。阶后拖尾。当kq时，即前q项自相关系数q,q-11取决于自回归和移动平均的参数。当kq+1时，它仅取决于中自回归的参数，即(B)=0的根，呈指数衰减或阻尼正弦波衰减，而与移动平均的参数无关。第四章 时间序列模型的性质1232022-7-213.ARMA(p,q)过程的PACFARMA(p,q)过程的PACF的一般形式比较复杂，由于它包括MA过程这个特例，所以它的PACF也由(B)=0的根确定，呈混合指数衰减

39、或阻尼正弦波衰减。第四章 时间序列模型的性质1242022-7-21既然ARMA(p,q)模型的ACF和PACF都呈拖尾形态，那么我们要通过一个时间序列的样本自相关图判断ARMA模型的阶数就比较困难。但是如果通过样本自相关图得到一个时间序列的ACF和PACF都呈拖尾形态，那么我们至少能判断出该过程不是纯AR或纯MA过程，而是混合ARMA过程。至于模型阶数的确定，第六章将作介绍。第四章 时间序列模型的性质1252022-7-21附：非中心化时间序列模型的均值第四章 时间序列模型的性质1262022-7-21AR(P)模型的均值 v如果AR(p)模型满足平稳性条件，则有v根据平稳序列均值为常数，且 为白噪声序列，有v推导出p101)(110tptpttxxEExTtEExtt,0)(,ttptpttxxx110第四章 时间序列模型的性质1272022-7-21MA(q)模型的均值v常数均值）（qtqttttEEx2211qtqttttx2211第四章 时间序列模型的性质1282022-7-21ARMA(p,q)模型的均值 qtqttptpttxxx11110ptEx101均值为：第四章 时间序列模型的性质1292022-7-21第四节 ARMA 模型的性质总结第四章 时间序列模型的性质1302022-7-21