赞
踩
上一篇中,我们对自回归模型的基础——推移算子、常系数线性差分方程进行了介绍,但什么是自回归模型呢?现在我们就对自回归模型进行定义。
A R ( p ) {\rm AR}(p) AR(p)模型:如果 { ε t } \{\varepsilon_t\} {εt}是零均值白噪声 W N ( 0 , σ 2 ) {\rm WN}(0,\sigma^2) WN(0,σ2),实数 a 1 , ⋯ , a p a_1,\cdots,a_p a1,⋯,ap使得多项式 A ( z ) A(z) A(z)的零点都落在单位圆外,即
A ( z ) = 1 − ∑ j = 1 p a j z j ≠ 0 , ∣ z ∣ ≤ 1. A(z)=1-\sum_{j=1}^p a_jz^j\ne0,\quad |z|\le 1. A(z)=1−j=1∑pajzj=0,∣z∣≤1.
则称 p p p阶差分方程 A ( B ) X t = ε t A(\mathscr B)X_t=\varepsilon_t A(B)Xt=εt是一个 p p p阶自回归模型,简称为 A R ( p ) {\rm AR}(p) AR(p)模型,也就是
X t = ∑ j = 1 p a j X t − j + ε t . X_t=\sum_{j=1}^p a_jX_{t-j}+\varepsilon_t. Xt=j=1∑pajXt−j+εt.
满足 A R ( p ) {\rm AR}(p) AR(p)模型的平稳序列 { X t } \{X_t\} {Xt}称为 A R ( p ) {\rm AR}(p) AR(p)序列, a = ( a 1 , ⋯ , a p ) ′ \boldsymbol a=(a_1,\cdots,a_p)' a=(a1,⋯,ap)′为 A R ( p ) {\rm AR}(p) AR(p)模型的自回归系数, A ( z ) A(z) A(z)的零点都在单位圆外这一条件被称为稳定性条件或最小相位条件。
这里一下提出了许多定义,我们不妨分开看看这些条件。首先,从 A R ( p ) {\rm AR}(p) AR(p)模型的形式来看,它是一个非齐次线性差分方程,且非齐次项为零均值白噪声,因此表现形式十分简洁,为 A ( B ) X t = ε t A(\mathscr B)X_t=\varepsilon_t A(B)Xt=εt;自然而然地,自回归系数就是 A ( z ) A(z) A(z)的可变量,它唯一地决定了 A R ( p ) {\rm AR}(p) AR(p)序列的形式。
而 A ( z ) A(z) A(z)也不是随便取一个 p p p次多项式就行的,它的常数项为1,并且最重要的条件是所有零点位于单位圆外。从我们对差分方程解的讨论可以知道,所有零点位于单位圆外,能让它对应的齐次差分方程的任何一个解都以负指数阶收敛到0(参见上一篇笔记);而非齐次差分方程的通解,又由特解加上齐次差分方程通解构成,这样随着时间的增长,齐次差分方程通解对非齐次差分通解的影响是可以忽略的,只需要考虑特解即可。
既然我们只需要考虑特解,那自然要想办法求得这个这个方程的特解。在上一篇中我们跳过了推移算子相关性质的证明,事实上,对于绝对收敛的级数
A
(
z
)
=
∑
j
=
−
∞
∞
a
j
z
j
,
B
(
z
)
=
∑
j
=
−
∞
∞
b
j
z
j
A(z)=\sum\limits_{j=-\infty}^\infty a_jz^j,B(z)=\sum\limits_{j=-\infty}^\infty b_jz^j
A(z)=j=−∞∑∞ajzj,B(z)=j=−∞∑∞bjzj,其乘积是有意义的,且依然是一个级数
D
(
z
)
=
A
(
z
)
B
(
z
)
=
∑
j
=
−
∞
∞
d
j
z
j
D(z)=A(z)B(z)=\sum\limits_{j=-\infty}^\infty d_jz^j
D(z)=A(z)B(z)=j=−∞∑∞djzj,这里
d
j
=
∑
k
=
−
∞
∞
a
k
b
j
−
k
d_j=\sum\limits_{k=-\infty}^\infty a_kb_{j-k}
dj=k=−∞∑∞akbj−k。这样,我们就有
D
(
B
)
X
t
=
A
(
B
)
[
B
(
B
)
X
t
]
=
B
(
B
)
[
A
(
B
)
X
t
]
.
D(\mathscr B)X_t=A(\mathscr B)[B(\mathscr B)X_t]=B(\mathscr B)[A(\mathscr B)X_t].
D(B)Xt=A(B)[B(B)Xt]=B(B)[A(B)Xt].
这里引入这个性质是为了什么呢?想象我们有一个级数
B
(
z
)
=
1
/
A
(
z
)
=
∑
j
=
−
∞
∞
ψ
j
z
j
B(z)=1/A(z)=\sum\limits_{j=-\infty}^\infty \psi_jz^j
B(z)=1/A(z)=j=−∞∑∞ψjzj,如果它是绝对收敛的,那么将
A
(
B
)
X
t
=
ε
t
A(\mathscr B)X_t=\varepsilon_t
A(B)Xt=εt等式两边同时乘上这个
B
(
B
)
B(\mathscr B)
B(B),就得到
X
t
=
B
(
B
)
ε
t
X_t=B(\mathscr B)\varepsilon_t
Xt=B(B)εt,也就得到方程的特解,这样一来,对方程的特解计算就容易得多了。那么,唯一的任务是证明这个级数
B
(
z
)
B(z)
B(z)是绝对收敛的,我们记这个级数为
A
−
1
(
z
)
A^{-1}(z)
A−1(z)。
由于
A
(
z
)
A(z)
A(z)的所有根都在单位圆外,即
∣
z
j
∣
=
ρ
j
>
1
,
∀
j
|z_j|=\rho_j>1,\forall j
∣zj∣=ρj>1,∀j,那么存在一个
ρ
∈
(
1
,
min
j
ρ
j
)
\rho\in(1,\min\limits_j\rho_j)
ρ∈(1,jminρj),
A
(
z
)
A(z)
A(z)在
[
0
,
ρ
]
[0,\rho]
[0,ρ]上不等于0,就使得
A
−
1
(
z
)
=
1
/
A
(
z
)
A^{-1}(z)=1/A(z)
A−1(z)=1/A(z)在
[
0
,
ρ
]
[0,\rho]
[0,ρ]上是解析函数,可无限次求导,从而有Taylor级数
A
−
1
(
z
)
=
∑
j
=
0
∞
ψ
j
z
j
,
∣
z
∣
≤
ρ
.
A^{-1}(z)=\sum_{j=0}^\infty \psi_jz^j,\quad |z|\le \rho.
A−1(z)=j=0∑∞ψjzj,∣z∣≤ρ.
由于这个级数在
z
=
ρ
z=\rho
z=ρ处收敛,所以级数
∣
ψ
j
ρ
j
∣
→
0
|\psi_j\rho^{j}|\to 0
∣ψjρj∣→0,也就是
ψ
j
=
o
(
ρ
−
j
)
\psi_j=o(\rho^{-j})
ψj=o(ρ−j),所以由
{
ρ
−
j
}
\{\rho^{-j}\}
{ρ−j}的绝对可和性得知
{
ψ
j
}
\{\psi_j\}
{ψj}绝对可和,这样
A
−
1
(
B
)
ε
t
=
∑
j
=
−
∞
∞
ψ
j
ε
t
−
j
A^{-1}(\mathscr B)\varepsilon_t=\sum\limits_{j=-\infty}^\infty \psi_j\varepsilon_{t-j}
A−1(B)εt=j=−∞∑∞ψjεt−j是均方收敛,即有意义的。现在,我们就得到方程
A
(
B
)
X
t
=
ε
t
A(\mathscr B)X_t=\varepsilon_t
A(B)Xt=εt的特解为
A
−
1
(
B
)
[
A
(
B
)
X
t
]
=
X
t
=
A
−
1
(
B
)
ε
t
=
∑
j
=
0
∞
ψ
j
ε
t
−
j
.
A^{-1}(\mathscr B)[A(\mathscr B)X_t]=X_t=A^{-1}(\mathscr B)\varepsilon_t=\sum_{j=0}^\infty \psi_j\varepsilon_{t-j}.
A−1(B)[A(B)Xt]=Xt=A−1(B)εt=j=0∑∞ψjεt−j.
注意到这是一个单边无穷滑动和(这就说明它是平稳序列),没有用到未来的白噪声信息,因此我们可以认为这个解是有意义的。并且,任何一个由
X
t
=
∑
j
=
0
∞
ψ
j
ε
t
−
j
X_t=\sum\limits_{j=0}^\infty \psi_j\varepsilon_{t-j}
Xt=j=0∑∞ψjεt−j且
ψ
j
\psi_j
ψj绝对可和的序列决定的平稳序列都是
A
R
(
p
)
{\rm AR}(p)
AR(p)序列,这里的
{
ψ
j
}
\{\psi_j\}
{ψj}被称为Wold系数。
我们已经找到了 A R ( p ) {\rm AR}(p) AR(p)模型的一个平稳解,但事实上,我们还有更强力的结论,即这个平稳解是唯一的。
平稳解唯一定理: A R ( p ) {\rm AR}(p) AR(p)模型 A ( B ) X t = ε t A(\mathscr B)X_t=\varepsilon_t A(B)Xt=εt的解 A ( B ) ε t = ∑ j = 0 ∞ ψ j ε t − j A(\mathscr B)\varepsilon_t=\sum\limits_{j=0}^\infty\psi_j\varepsilon_{t-j} A(B)εt=j=0∑∞ψjεt−j是此模型的唯一平稳解,并进一步得到模型的通解为
Y t = ∑ j = 0 ∞ ψ j ε t − j + ∑ j = 1 k ∑ l = 0 r ( j ) − 1 U l , j t l z j − t , z ∈ Z . Y_t=\sum_{j=0}^\infty \psi_j\varepsilon_{t-j}+\sum_{j=1}^k\sum_{l=0}^{r(j)-1}U_{l,j}t^lz_j^{-t},\quad z\in\Z. Yt=j=0∑∞ψjεt−j+j=1∑kl=0∑r(j)−1Ul,jtlzj−t,z∈Z.
首先对此平稳解进行验证。令
a
0
=
−
1
a_0=-1
a0=−1,
ψ
k
=
0
(
k
<
0
)
\psi_k=0(k<0)
ψk=0(k<0),则对
∣
z
∣
≤
1
|z|\le 1
∣z∣≤1有
1
=
A
(
z
)
A
−
1
(
z
)
=
−
∑
j
=
0
p
a
j
z
j
∑
k
=
0
∞
ψ
k
z
k
=
−
∑
k
=
0
∞
(
∑
j
=
0
p
a
j
ψ
k
−
j
)
z
k
=
−
∑
k
=
0
∞
∑
j
=
0
p
a
j
ψ
k
−
j
z
k
.
1=A(z)A^{-1}(z)=-\sum_{j=0}^pa_jz^j\sum_{k=0}^\infty \psi_kz^k=-\sum_{k=0}^\infty\left(\sum_{j=0}^pa_j\psi_{k-j} \right)z^k=-\sum_{k=0}^\infty\sum_{j=0}^p a_j\psi_{k-j}z^k.
1=A(z)A−1(z)=−j=0∑pajzjk=0∑∞ψkzk=−k=0∑∞(j=0∑pajψk−j)zk=−k=0∑∞j=0∑pajψk−jzk.
通过系数的比对,得到
ψ
0
=
1
\psi_0=1
ψ0=1,
∑
j
=
0
p
a
j
ψ
k
−
j
=
−
ψ
k
+
∑
j
=
1
p
a
j
ψ
k
−
j
=
0
,
ψ
k
=
∑
j
=
1
p
a
j
ψ
k
−
j
,
∀
k
>
0.
\sum_{j=0}^pa_j\psi_{k-j}=-\psi_{k}+\sum_{j=1}^pa_j\psi_{k-j}=0,\quad \psi_k=\sum_{j=1}^pa_j\psi_{k-j},\quad \forall k>0.
j=0∑pajψk−j=−ψk+j=1∑pajψk−j=0,ψk=j=1∑pajψk−j,∀k>0.
此时令
X
t
=
∑
j
=
0
∞
ψ
j
z
j
X_t=\sum\limits_{j=0}^\infty \psi_jz^j
Xt=j=0∑∞ψjzj,就有
A
(
B
)
X
t
=
−
∑
j
=
0
p
a
j
X
t
−
j
=
−
∑
j
=
0
p
a
j
∑
k
=
0
∞
ψ
k
ε
t
−
j
−
k
=
−
∑
k
=
0
∞
∑
j
=
0
p
a
j
ψ
k
−
j
ε
t
−
k
=
ε
t
.
说明
X
t
X_t
Xt是方程的解,又因为是平稳序列,所以是平稳解。
接下来证明平稳解的唯一性,这里要用到一个结论,即平稳序列 { X t } \{X_t\} {Xt}对于绝对可和的 { a j } , { b j } \{a_j\},\{b_j\} {aj},{bj}与其对应多项式 A ( z ) , B ( z ) A(z),B(z) A(z),B(z),有 A ( B ) [ B ( B ) X t ] = B ( B ) [ A ( B ) X t ] = D ( B ) X t A(\mathscr B)[B(\mathscr B)X_t]=B(\mathscr B)[A(\mathscr B)X_t]=D(\mathscr B)X_t A(B)[B(B)Xt]=B(B)[A(B)Xt]=D(B)Xt。
对此性质的证明如下:首先我们验证 D ( z ) D(z) D(z)的系数列 { d j } \{d_j\} {dj}也是绝对可和的,因为 d m = ∑ j = − ∞ ∞ a j b m − j d_m=\sum\limits_{j=-\infty}^\infty a_jb_{m-j} dm=j=−∞∑∞ajbm−j,所以
∑ m = − ∞ ∞ ∣ d j ∣ = ∑ m = − ∞ ∞ ∣ ∑ j = − ∞ ∞ a j b m − j ∣ ≤ ∑ m = − ∞ ∞ ∑ j = − ∞ ∞ ∣ a j ∣ ∣ b m − j ∣ = ∑ j = − ∞ ∞ ∣ a j ∣ ∑ m = − ∞ ∞ ∣ b m − j ∣ = ∑ j = − ∞ ∞ ∣ a j ∣ ∑ k = − ∞ ∞ ∣ b k ∣ < ∞ .m=−∞∑∞∣dj∣=≤==m=−∞∑∞∣∣∣∣∣j=−∞∑∞ajbm−j∣∣∣∣∣m=−∞∑∞j=−∞∑∞∣aj∣∣bm−j∣j=−∞∑∞∣aj∣m=−∞∑∞∣bm−j∣j=−∞∑∞∣aj∣k=−∞∑∞∣bk∣<∞.∑m=−∞∞|dj|=≤==∑m=−∞∞∣∣∣∣∑j=−∞∞ajbm−j∣∣∣∣∑m=−∞∞∑j=−∞∞|aj||bm−j|∑j=−∞∞|aj|∑m=−∞∞|bm−j|∑j=−∞∞|aj|∑k=−∞∞|bk|<∞.
对于平稳序列 X t X_t Xt,由其有界性 ∣ γ k ∣ < ∣ γ 0 ∣ |\gamma_k|<|\gamma_0| ∣γk∣<∣γ0∣,所以满足绝对收敛条件:
E ∑ j = − ∞ ∞ ∑ k = − ∞ ∞ ∣ a k b j X t − k − j ∣ = ∑ j = − ∞ ∞ ∑ k = − ∞ ∞ ∣ a k ∣ ∣ b j ∣ E ∣ X t − k − j ∣ ≤ γ 0 ∑ j = − ∞ ∞ ∣ a j ∣ ∑ k = − ∞ ∞ ∣ b k ∣ . {\rm E}\sum_{j=-\infty}^\infty\sum_{k=-\infty}^\infty |a_kb_jX_{t-k-j}|=\sum_{j=-\infty}^\infty\sum_{k=-\infty}^\infty |a_k||b_j|{\rm E}|X_{t-k-j}|\le\sqrt{\gamma_0}\sum_{j=-\infty}^\infty|a_j|\sum_{k=-\infty}^\infty |b_k|. Ej=−∞∑∞k=−∞∑∞∣akbjXt−k−j∣=j=−∞∑∞k=−∞∑∞∣ak∣∣bj∣E∣Xt−k−j∣≤γ0 j=−∞∑∞∣aj∣k=−∞∑∞∣bk∣.
所以 A ( B ) [ B ( B ) X t ] , B ( B ) [ A ( B ) X t ] , D ( B ) X t A(\mathscr B)[B(\mathscr B)X_t],B(\mathscr B)[A(\mathscr B)X_t],D(\mathscr B)X_t A(B)[B(B)Xt],B(B)[A(B)Xt],D(B)Xt都是绝对收敛的,并且具有相同的极限。
如果另有平稳解
Y
t
Y_t
Yt,则因为平稳序列具有有界性
∣
γ
k
∣
≤
∣
γ
0
∣
|\gamma_k|\le |\gamma_0|
∣γk∣≤∣γ0∣,所以绝对收敛,满足无穷级数的可交换性,就有
Y
t
=
A
−
1
(
B
)
[
A
(
B
)
Y
t
]
=
A
−
1
(
B
)
ε
t
=
X
t
,
Y_t=A^{-1}(\mathscr B)[A(\mathscr B)Y_t]=A^{-1}(\mathscr B)\varepsilon_t=X_t,
Yt=A−1(B)[A(B)Yt]=A−1(B)εt=Xt,
这就证明了平稳解
{
X
t
}
\{X_t\}
{Xt}的唯一性,并且可以很自然地写出通解。
从刚才的讨论,我们知道了 A ( B ) X t = ε t A(\mathscr B)X_t=\varepsilon_t A(B)Xt=εt的平稳解是唯一的,且仅与白噪声 ε t \varepsilon_t εt和特征多项式 A ( z ) A(z) A(z)的Wold系数有关,接下来我们就对Wold系数作一些讨论。
前面我们得知,对于 ρ ∈ ( 1 , min j ρ j ) \rho\in(1,\min\limits_j\rho_j) ρ∈(1,jminρj),有 ψ j = o ( ρ − j ) \psi_j=o(\rho^{-j}) ψj=o(ρ−j),也就是随着 j j j的增大 ψ j \psi_j ψj总会趋近于0,并且 ρ − j \rho^{-j} ρ−j还给收敛速度作出了限制,对于越大的 ρ \rho ρ,Wold系数收敛于0的速度越快,而 ρ \rho ρ的取值依赖于 min j ρ j \min\limits_j\rho_j jminρj,所以 A ( z ) A(z) A(z)的零点距离单位圆越远,其Wold系数收敛速度越快。
按定义来看,Wold系数是
1
/
A
(
z
)
1/A(z)
1/A(z)的Taylor展开系数,但是对一个多项式,不断求其导数在0点的值的计算量是巨大的,有没有什么简便的方法来计算Wold系数呢?其实,在我们验证
A
−
1
(
B
)
X
t
=
ε
t
A^{-1}(\mathscr B)X_t=\varepsilon_t
A−1(B)Xt=εt时,得到了这样的恒等式(令
a
0
=
−
1
,
ψ
k
=
0
(
k
<
0
)
a_0=-1,\psi_k=0(k<0)
a0=−1,ψk=0(k<0)):
1
=
A
(
z
)
A
−
1
(
z
)
=
−
∑
j
=
0
p
a
j
z
j
∑
k
=
0
∞
ψ
k
z
k
=
−
∑
k
=
0
∞
(
∑
j
=
0
p
a
j
ψ
k
−
j
)
z
k
=
−
∑
k
=
0
∞
∑
j
=
0
p
a
j
ψ
k
−
j
z
k
.
1=A(z)A^{-1}(z)=-\sum_{j=0}^pa_jz^j\sum_{k=0}^\infty \psi_kz^k=-\sum_{k=0}^\infty\left(\sum_{j=0}^pa_j\psi_{k-j} \right)z^k=-\sum_{k=0}^\infty\sum_{j=0}^p a_j\psi_{k-j}z^k.
1=A(z)A−1(z)=−j=0∑pajzjk=0∑∞ψkzk=−k=0∑∞(j=0∑pajψk−j)zk=−k=0∑∞j=0∑pajψk−jzk.
通过比对系数,能够得到Wold系数的递推公式:
ψ
k
=
{
0
,
k
<
0
;
1
,
k
=
0
;
∑
j
=
1
p
a
j
ψ
k
−
j
,
k
>
0.
\psi_k=\left\{
综合起来,如果我们把
{
ψ
j
}
\{\psi_j\}
{ψj}也看成一个时间序列,时间指标是
j
j
j,就有
A
(
B
)
ψ
j
=
0
,
ψ
k
=
0
(
k
<
0
)
,
ψ
0
=
1.
A(\mathscr B)\psi_j=0,\quad \psi_k=0(k<0),\psi_0=1.
A(B)ψj=0,ψk=0(k<0),ψ0=1.
最后我们来讨论
A
R
(
p
)
{\rm AR}(p)
AR(p)模型的收敛性,其通解
Y
t
Y_t
Yt与平稳解之差
X
t
X_t
Xt满足
∣
Y
t
−
X
t
∣
≤
o
(
ρ
−
t
)
|Y_t-X_t|\le o(\rho^{-t})
∣Yt−Xt∣≤o(ρ−t),这里的
ρ
\rho
ρ与之前有相同的定义。这就说明
A
R
(
p
)
{\rm AR}(p)
AR(p)模型随着时间的增长一定会收敛于其平稳解,并且
A
(
z
)
A(z)
A(z)的根越远离单位圆,收敛的速度就越快。
这种收敛的性质表明,不论我们给 A R ( p ) {\rm AR}(p) AR(p)模型设定什么样的初值,最后都产生一样的效果,于是我们可以使用初值 0 p ′ \boldsymbol 0_{p}' 0p′来模拟 A R ( p ) {\rm AR}(p) AR(p)序列。
A
R
(
1
)
{\rm AR}(1)
AR(1)序列是最简单的
A
R
(
p
)
{\rm AR}(p)
AR(p)序列,其形式为
X
t
=
a
X
t
−
1
+
ε
t
X_t=aX_{t-1}+\varepsilon_t
Xt=aXt−1+εt,特征多项式是
A
(
z
)
=
1
−
a
z
A(z)=1-az
A(z)=1−az,稳定性条件是
a
<
1
a<1
a<1。我们可以得到它的平稳解和通解分别是
X
t
=
1
1
−
a
B
ε
t
=
∑
j
=
0
∞
a
j
ε
t
−
j
,
Y
t
=
∑
j
=
0
∞
a
j
ε
t
−
j
+
ξ
a
t
.
X_t=\frac{1}{1-a\mathscr B}\varepsilon_t=\sum_{j=0}^\infty a^j\varepsilon_{t-j},\quad Y_t=\sum_{j=0}^\infty a^j\varepsilon_{t-j}+\xi a^t.
Xt=1−aB1εt=j=0∑∞ajεt−j,Yt=j=0∑∞ajεt−j+ξat.
这里用到级数展开式
∑
x
j
=
1
/
(
1
−
x
)
,
∣
x
∣
<
1
\sum x^j=1/(1-x),|x|<1
∑xj=1/(1−x),∣x∣<1。其平稳解的方差是
D
X
t
=
∑
j
=
0
∞
a
2
j
D
ε
t
−
j
=
σ
2
1
−
a
2
.
{\rm D}X_t=\sum_{j=0}^\infty a^{2j}{\rm D}\varepsilon_{t-j}=\frac{\sigma^2}{1-a^2}.
DXt=j=0∑∞a2jDεt−j=1−a2σ2.
可以看到,
∣
a
∣
|a|
∣a∣越小,也就是
A
(
z
)
A(z)
A(z)的根
∣
z
1
∣
|z_1|
∣z1∣越远离单位圆,平稳解的方差越小,模型越稳定。
A R ( p ) {\rm AR}(p) AR(p)模型是一个特征多项式满足稳定性条件的非齐次差分方程模型 A ( B ) X t = ε t A(\mathscr B)X_t=\varepsilon_t A(B)Xt=εt,对特征多项式的要求是常数项为1,次数为 p p p,满足稳定性条件: A ( z ) ≠ 0 , ∣ z ∣ ≤ 1 A(z)\ne 0,|z|\le1 A(z)=0,∣z∣≤1。
A R ( p ) {\rm AR}(p) AR(p)方程有唯一的平稳解: A − 1 ( B ) ε t A^{-1}(\mathscr B)\varepsilon_t A−1(B)εt,这里 A − 1 ( z ) = 1 A ( z ) = ∑ j = 0 ∞ ψ j z j A^{-1}(z)=\frac 1{A(z)}=\sum\limits_{j=0}^\infty \psi_jz^j A−1(z)=A(z)1=j=0∑∞ψjzj,是一个单边滑动无穷和。系数 { ψ j } \{\psi_j\} {ψj}被称为Wold系数,它以负指数阶收敛于0。
Wold系数的递推公式为
A
(
B
)
ψ
j
=
0
A(\mathscr B)\psi_j=0
A(B)ψj=0,即
ψ
k
=
{
0
,
k
<
0
;
1
,
k
=
0
;
∑
j
=
1
p
a
j
ψ
k
−
j
,
k
>
0.
\psi_k=\left\{
A R ( p ) {\rm AR}(p) AR(p)模型的通解以负指数阶收敛于平稳解,且 A ( z ) A(z) A(z)的根越远离单位圆,收敛越快,因此初值不影响模型的模拟结果。
A R ( 1 ) {\rm AR}(1) AR(1)模型 X t = a X t − 1 + ε t X_t=aX_{t-1}+\varepsilon_t Xt=aXt−1+εt的Wold系数就是 a j a^j aj,其平稳解方差为 σ 2 / ( 1 − a 2 ) \sigma^2/(1-a^2) σ2/(1−a2)。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。