07.1 / 混合模型
ARMA:一次创新会留下多久?
递推实验 · ARMA(1,1)
一次意外,怎样传到下一期?
比较两条本来完全相同的路径,只给其中一条在第 0 期多加 1 单创新,之后两条路径收到相同创新。下面追踪的是两条路径的差。先看第 1 期的两份贡献,再点下一期。
为什么要保留两种过去?
假设昨天销量意外增加了 1 单。今天的销量会通过两条路受到影响:昨天的观测升高了,AR 部分把它乘以 α 带到今天;昨天的意外本身,MA 部分又把它乘以 β 带到今天。两项可能同向,也可能抵消。
X_t=\alpha X_{t-1}+Z_t+\beta Z_{t-1}这里沿用课件低阶模型的 α、β,加号是 MA 的符号约定。Z_t 是均值为零、方差为 \sigma^2 的白噪声。一般模型把过去观测移到左边:\Phi(B)X_t=\Theta(B)Z_t;左边多项式的阶为 p,右边为 q(先排除可约的公因子)。
只追踪一次意外
固定 α = 0.5。比较两条经历完全相同的路径,只让其中一条在第 0 期多出 1 单创新。方块显示两条路径的销量差,不是未来销量的预测值。试试把 β 改为 −0.5,再看第 1 期。
从方块推到总体 ACF
第 0 期的权重为 1;第 1 期要合并两条路;此后同一次创新不再直接进入 MA 项,只由 AR 项继续传递。于是课件的白噪声展开系数是:
b_0=1b_i=\alpha^{i-1}(\alpha+\beta),\quad i\ge1在 |\alpha|<1 时,这些权重可以平方求和。为缩短算式,记 u=\alpha+\beta。方差加的是权重平方,相邻协方差加的是错开一期的权重乘积:
\gamma(0)=\sigma^2\bigl(1+u^2/(1-\alpha^2)\bigr)\gamma(1)=\sigma^2\bigl(u+\alpha u^2/(1-\alpha^2)\bigr)\rho(1)=\gamma(1)/\gamma(0)\rho(k)=\alpha^{k-1}\rho(1),\quad k\ge1第一项 u 来自 b_0 b_1,后面的和从 b_1 b_2 开始。再错开一期,每个滞后权重多乘一个 α。这解释了为什么图中的权重不是 ACF,也解释了混合模型的 ACF 通常不会在第 1 期截断。
备考:不要把两个根判据写反
例 4.5 给出 ARMA(2,1)。先抄两边的多项式,用 y 求根,不要把移位算子 B 当作未知参数:
\Phi(y)=1-0.75y+0.5625y^2y_{1,2}=2(1\pm i\sqrt3)/3|y_1|=|y_2|=4/3\Theta(y)=1+1.25yy=-0.8两个 AR 根都在单位圆外,所以有因果表示;MA 根的模只有 0.8,所以不可逆。这两个结论可以同时成立。
例 4.6:已知前两阶相关,怎样算第四阶?
AR 系数是 0.3、0.2,MA 只有一阶。间隔超过一时,当期及上一期创新与更早的观测不相关,故协方差只剩 AR 递推。除以同一个方差,就得到相关系数的递推。代入题给的 0.8 和 0.44:
\rho(3)=0.3(0.44)+0.2(0.8)=0.292\rho(4)=0.3(0.292)+0.2(0.44)=0.1756不能用同一递推从零阶推出一阶:间隔为一时还有共享创新。