第二章平稳时间序列模型——ACF和PACF和样本ACF/PACF

自相关函数/自相关曲线ACF

 

AR(1)模型的ACF：

模型为：

当其满足平稳的必要条件|a1|<1时（所以说，自相关系数是在平稳条件下求得的）：

         y(t)和y(t-s)的方差是有限常数，y(t)和y(t-s)的协方差伽马s

         

        除以伽马0，可求得ACF如下：

        

        由于{rhoi}其在平稳条件|a1|<1下求得，所以平稳

   0<a1<1则自相关系数是直接收敛到0

   -1<a1<0则自相关系数是震荡收敛到0

 

对于AR(2)模型的ACF：

（略去截距项）

两边同时乘以y(t)，y(t-1)，y(t-2)......得到yule-Walker方程，然后结合平稳序列的一些性质（yule-Walker方程法确确实实用了协方差只与时间间隔有关的性质），得到自相关系数如下：

              rho0恒为1

              

              （二阶差分方程）

              令人惊喜的是，这个二阶差分方程的特征方程和AR(2)模型的是一致的。

              所以，我们的rho本就是在序列平稳的条件下求得，所以{rhoi}序列也平稳。

             当然，其收敛形式取决于a1和a2

 

MA(1)模型的ACF:

模型为：

由于y(t)的表达式是由白噪声序列中的项组成，所以不需要什么平稳条件，就可以求得rho的形式如下：