数据分析 时间序列分析 ARMA模型

ARMA模型是自回归移动平均模型,用于时间序列分析。它结合了AR(p)和MA(q)模型的特性,当p或q为0时分别退化为AR或MA模型。平稳性和可逆性是ARMA模型的重要属性,前者要求AR部分的根在单位圆外,后者要求MA部分可逆。模型的统计性质包括均值、方差、协方差、自相关和偏自相关系数,这些系数具有拖尾性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一.概念
1.概念:

具有如下结构的模型称为自回归移动平均模型(Auto Regression Moving Average Model;ARMA Model),记为ARMA(p,q)ARMA(p,q)ARMA(p,q):xt=φ0+φ1xt−1+φ2xt−2+...+φpxt−p+εt−θ1εt−1−θ2εt−2−...−θqεt−qs.t.{ φp,θq≠0E(εt)=0,D(εt)=σε2,γ(εt,εs)=E(εtεs)=0 (s≠t)Cov(xs,εt)=0 (s<t)x_t=φ_0+φ_1x_{t-1}+φ_2x_{t-2}+...+φ_px_{t-p}+ε_t-θ_1ε_{t-1}-θ_2ε_{t-2}-...-θ_qε_{t-q}\\s.t.\begin{cases}φ_p,θ_q≠0\\E(ε_t)=0,D(ε_t)=σ_ε^2,γ(ε_t,ε_s)=E(ε_tε_s)=0\,(s≠t)\\Cov(x_s,ε_t)=0\,(s<t)\end{cases}xt=φ0+φ1xt1+φ2xt2+...+φpxtp+εtθ1εt1θ2εt2...θqεtqs.t.φp,θq=0E(εt)=0,D(εt)=σε2,γ(εt,εs)=E(εtεs)=0(s=t)Cov(xs,εt)=0(s<t)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值