AR模型
1、考虑单摆运动
Xt=aXt−1+εt,t∈Z,{εt}∼WN(0,σ2)(*)
从初值X0出发。a越小,初值影响减小越快。 ∣a∣接近于1时,初值和前面的εt−j影响减小越慢, 序列振荡。
只要∣a∣<1,序列最终可以稳定下来。称系统(*)是稳定的。
如果a=±1则序列振荡越来越大,呈爆炸型。
∣a∣>1时序列也不能稳定。 ∣a∣≥1时称(*)是非稳定的
AR(1)的
A(z)=1−az是差分方程(*)的特征多项式。 z1=a1是特征根。 稳定的充分必要条件是∣a∣<1,或∣z1∣>1, 即特征根都在单位圆外。
当∣a∣<1时下面的线性序列有定义:
Xt=j=0∑∞ajεt−j,t∈Z(**)
aXt−1+εt===aj=0∑∞ajεt−1−jεti=1∑∞aiεt−i+εt(i=j+1)Xt
于是平稳序列(∗∗)是非齐次差分方程(∗)的解, 称为平稳解。
(∗)的通解为
Xt=j=0∑∞ajεt−j+ξat,t∈Z(***)
当t→∞时(∗)的所有解a.s.收敛到平稳解(∗∗)。 收敛速度是负指数速度∣a∣t。 平稳解可以看成系统(∗)处于稳定状态的情况。 特征根a1离单位圆越远,稳定性越好。
2、AR ( p)
如果{εt}是白噪声WN(0,σ2), 实数a1,a2,…,ap(ap=0)使得多项式A(z)的零点都在单位圆外:
A(z)=1−j=1∑pajzj=0, ∣z∣≤1,(2.2.1)
则称p阶差分方程
Xt=j=1∑pajXt−j+εt, t∈Z,(2.2.2)
是一个p阶自回归模型, 简称为AR(p)模型.
满足 AR(p)模型(2.2.2)的平稳时间序列{Xt}称为(2.2.2)的平稳解, 也称作AR(p)序列.
称a=(a1,a2,⋯,ap)T是AR(p)模型的自回归系数. 称条件(2.2.1)是稳定性条件或最小相位条件. A(z)称为模型(2.2.2)的特征多项式。 模型可用推移算子写成
A(B)Xt=εt,t∈Z(2.2.3)
3、平稳解与通解
设多项式A(z)的互异根是z1,z2,..,zk. 取1<ρ<min{∣zj∣}.A−1(z)=1/A(z)是{z:∣z∣≤ρ}内的解析函数. 从而有Taylor级数
A−1(z)=j=0∑∞ψjzj, ∣z∣≤ρ.(2.2.4)
由级数(2.2.4)在z=ρ 的收敛性得到 ∣ψjρj∣→0, 当j→∞. 于是由
ψj=o(ρ−j),当 j→∞
知道{ψj}绝对可和. 而且, min{∣zj∣}越大, ψj趋于零越快.
令
A−1(B)=j=0∑∞ψjBj.
如果{Xt}是(2.2.3)的平稳解, 则
Xt=A−1(B)A(B)Xt=A−1(B)εt, t∈Z.
可见平稳解如果存在必然为
Xt=A−1(B)εt=j=0∑∞ψjεt−j,t∈Z,(2.2.5)
{ψj}称为平稳序列{Xt}的Wold系数。 显然(2.2.5)是线性平稳列, 将其代入模型(8.6)可以验证其满足模型, 所以Xt=A−1(B)εt是模型(2.2.3)的唯一的平稳解 (唯一是a.s.意义下)。
(1) 由(2.2.5)定义的时间序列{Xt}是AR§模型(2.2.2)的唯一(a.s.意义)平稳解;
(2) AR§的模型的通解有如下形式
Yt=j=0∑∞ψjεt−j+j=1∑kl=0∑r(j)−1Ul,jtlzj−t,t∈Z.
Wold系数的递推公式
记a0=−1则A(z)=−∑j=0pajzj,
1=A(z)A−1(z)=−m=0∑∞(j=0∑pajψm−j)zm
故ψ0=1,∑j=0pajψm−j=0,m>0。 于是
⎩⎪⎨⎪⎧ψ0=1,ψm=∑j=1pajψm−j,ψm=0,m=1,2,…m<0
通解与平稳解的关系
AR§的通解{Yt}与平稳解有如下关系
∣Yt−Xt∣=∣∣∣∣∣∣j=1∑kl=0∑r(j)−1Ul,jtlzj−t∣∣∣∣∣∣=o(ρ−t),a.s. t→∞
其中1<ρ<min{∣zj∣}。
根离单位园越远,稳定下来的速度越快。 可以用此事实作为模拟产生AR§序列的理论基础。