文档介绍：计算机应用《自动化技术与应用》年第卷第期
Computer Applications
ARMA 时间序列模型的研究与应用
王行建刘欣
东北林业大学信息与计算机工程学院黑龙江哈尔滨
摘要模型是一种最常见的重要的时间序列模型它被广泛应用到各种行业预测中本文在给出三种模式和实现方
法的同时给出模型在股市应用的一个实例。
关键词模型参数估计线性预测
中图分类号文献标识码文章编号
Application of ARMA Time Series Model
WANG Xing-jian, LIU Xin
(Information puter engineering college, Northeast forestry university,Harbin, 150040China)
Abstract: ARMA model is one of the most important time-series models, and is widely applied to various sectors of forecasting.
This paper discusses three ARMA models and presents an application example in the stock market .
Key words: ARMA model; parameter estimation; linear; forecast
引言均在单位圆外即φ(B ) = 0 的根大于。
序列的数学模型是有限参数线形模型对于满足有限模型的意义在于仅通过时间序列变量的自身历史观测
参数线形模型的平稳时间序列的分析在理论上已趋成熟并且广值来反映有关因素对预测目标的影响和作用不受模型变量相互
泛应用在很多的领域。它用有限参数线形模型描述时间序列的自独立的假设条件约束所构成的模型可以消除一般回归预测方法
相关结构便于进行统计分析与数学处理。有限参数线形模型能中由于自变量选择、多重共线形等造成的困难
描述的随机现象相当广泛模型拟合的精度能达到实际工程的要)移动平均模型如果时间序列{y t } 满足
求而且由有限参数的线形模型结构可推导出适用的线形预报理 y t = ε t ­ θ 1ε t ­1 ­ ... ­ θ q ε t ­ q 则称时间序列{y t }服从阶移
论。利用模型描述的时间序列预报问题在信号处理、金动平均模型。或者记为 y t = θ(B )ε t 。
融预测、状态估计、控制和模式识别等领域具有重要的理论意平稳条件任何条件下都平稳。
义并且这一问题本身也具有重要的应用意义。模型用过去各个时期的随机干扰或预测误差的线性组
合来表达当前预测值的假设条件不满足时可以考虑用
ARMA模型的三种基本形式形式。总是满足平稳条件因为其中参数θ取值对时间
模型有三种基本形式自回归模型( 序列的影响没有模型中参数的影响强烈即较大的随机变
)移动平均模型( )和混合模型化不会改变时间序列的方向。
( ) 。) 模型如果时间序列{y t }满足
自回归模型如果时间序列满足 yt = φ1 yt­1 + ... + φ p yt­ p + ε t ­