金融时间序列分析 第2部分 时间序列分析基础5.1 ARMA建模过程 ppt课件.ppt

文档介绍：金融时间序列分析陆贵斌2012年10月*建模过程*内容第1部分ARMA建模第2部分ARIMA建模第3部分ARCH建模第4部分协整建模*一、ARMA建模建模步骤模型识别参数估计模型检验模型优化序列预测*建模步骤平稳非白噪声序列计算样本相关系数模型识别参数估计模型检验模型优化序列预测YN*计算样本相关系数样本自相关系数样本偏自相关系数*模型识别基本原则*模型定阶的困难因为由于样本的随机性,样本的相关系数不会呈现出理论截尾的完美情况,本应截尾的或仍会呈现出小值振荡的情况由于平稳时间序列通常都具有短期相关性,随着延迟阶数,与都会衰减至零值附近作小值波动当或在延迟若干阶之后衰减为小值波动时,什么情况下该看作为相关系数截尾,什么情况下该看作为相关系数在延迟若干阶之后正常衰减到零值附近作拖尾波动呢?*样本相关系数的近似分布BarlettQuenouille*模型定阶经验方法95%的置信区间模型定阶的经验方法如果样本(偏)自相关系数在最初的d阶明显大于两倍标准差范围,而后几乎95%的自相关系数都落在2倍标准差的范围以内,而且通常由非零自相关系数衰减为小值波动的过程非常突然。这时,通常视为(偏)自相关系数截尾。阶数为d。*