时间序列的平稳性检验与随机性检验

最新推荐文章于 2024-10-10 02:42:34 发布

原创

最新推荐文章于 2024-10-10 02:42:34 发布 · 3.7w 阅读

177

本文介绍了时间序列的基础概念，包括时间序列的定义、分析方法及平稳性、随机性的检验。探讨了平稳时间序列和平稳检验的重要性，并解释了如何通过图检法和统计检验法判断序列是否平稳。

1. 时间序列的定义

1.1 什么是时间序列

在统计研究中，常用按时间顺序排列的一组随机变量 $\cdots , X _ { t } , \cdots$ 来表示一个随机事件的时间序列，简记为 $Xt,t∈T}\left\{ X _ { t } , t \in T \right\}$ 或 $Xt}\left\{ X _ { t } \right\}$ 。用 $\cdots , x _ { n }$ 或 $xt,t=1,2,⋯ ,n}\left\{ x _ { t } , t = 1,2 , \cdots , n \right\}$ 表示该序列的 $n$ 个有序观测值。时间序列在我们的日常生活中比比皆是，比如一支股票每小时的价格、一个公司每月份的营业收入等等。

1.2 时间序列分析方法

对于时间序列的分析方法一般可以分为两种，即描述性时序分析和统计时序分析，描述性时序分析指的是通过可视化的形式观察时间序列的趋势，从中发现规律，而统计时序分析则表示通过一些统计学的方法来研究时间序列中的规律。统计时序分析又可以分为频域分析方法和时域分析方法，其中，频域分析方法假设任何一种无趋势的时间序列都可以分解成若干不同频率的周期波动，从频率的角度来揭示时间序列的规律；而时域分析方法则从序列的自相关角度来揭示时间序列的规律，该方法假设序列值之间存在一定的相关关系，而这种相关关系具有一定的规律，通过模型来拟合这种规律，并利用模型来对预测未来的趋势进行预测。

2. 时间序列的平稳性、随机性检验

对于一个时间序列，在进行建模之前，首先需要进行平稳性检验和纯随机性检验，然后根据检验的结果再选择适合的模型。在讲解平稳性和随机性的定义之前，我们先介绍一下时间序列中常用的几个特征统计量。

2.1 时间序列的特征统计量

对于一个时间序列 $Xt,t∈T}\left\{ X _ { t } , t \in T \right\}$ ，任意时刻的序列值 $X _ { t }$ 都是一个随机变量，记其分布函数为 $F _ { t } ( x )$ ，则其特征统计量均值、方差、自协方差函数、自相关系数的定义分别如下：

均值：表示时间序列在各个时刻取值的平均值，其定义如下：
$\mu _ { t } = E X _ { t } = \int _ { - \infty } ^ { \infty } x \mathrm { d } F _ { t } ( x )$
方差：表示时间序列在各个时刻围绕其均值波动的平均程度，其定义如下：
$\sigma _ { t } ^ { 2 } = D X _ { t } = E \left( X _ { t } - \mu _ { t } \right) ^ { 2 } = \int _ { - \infty } ^ { \infty } \left( x - \mu _ { t } \right) ^ { 2 } \mathrm { d } F _ { t } ( x )$