学习笔记
参考书目:《计量经济学》、《计量经济学模型与R语言应用》
一阶移动平均过程
在研究
q阶移动平均过程之前,我们先以一阶移动平均过程开刀,即
MA(1)序列, 一阶移动平均模型表达式为:
Yt=et−θet−1(1)
其中
et和
et−1都是白噪声,显然,
E(Yt)=0,Var(Yt)=σe2(1+θ2),此时有:
Cov(Yt,Yt−1)=Cov(et−θet−1,et−1−θet−2)=−θCov(et−1,et−1)=−θσe2(2)
和:
Cov(Yt,Yt−2)=Cov(et−θet−1,et−2−θet−3)=0(3)
对于
k≥2,Cov(Yt,Yt−k)=0,即过程大于1阶滞后时,不存在自相关。
通过上面的信息,我们可以得到该
MA(1)过程的1阶自相关函数为:
ρ1=Var(Yt)Cov(Yt,Yt−1)=1+θ2−θ(4)
显然,若存在:
Yt=et−ηet−1(5)
其中
η=1/θ,则有1阶自相关函数:
ρ1=1+η2−η=1+1/θ2−1/θ=1+θ2−θ(6)
通过这个结果,我们看到
θ被
1/θ代替时,自相关函数完全相同。
q阶移动平均过程
对于q阶移动平均过程:
Yt=et−θ1et−1−θ2et−2−...−θqet−q(7)
其中,
et,et−1,et−2,...,et−q,都是白噪声,于是有:
E(Yt)=0γ0=Var(Yt)=(1+θ12+...+θq2)σe2γ1=Cov(Yt,Yt−1)=(−θ1+θ1θ2+θ2θ3+...+θq−1θq)σe2......γq−1=Cov(Yt,Yt−q+1)=(−θq−1+θ1θq)σe2γq=Cov(Yt,Yt−q)=−θqσe2
对于
k>q,Cov(Yt,Yt−k)=0,即过程大于q阶滞后时,不存在自相关。则根据平稳性条件,有限阶的移动平均模型总是平稳的。
可逆性
根据上一个Blog的证明,自回归AR过程也可以被认为是一个无穷阶移动平均过程.但是由于某些原因,自回归表达式更便利。那么,移动平均模型可以被重新表示为自回归模型吗?
考虑
MA(1)模型:
Yt=et−θet−1(8)
扫描二维码关注公众号,回复:
11005372 查看本文章
先把方程改写成
et=Yt+θet−1,再递推可得:
et=Yt+θ(Yt−1+θet−2)=Yt+θYt−1+θ2et−2
若
∣θ∣<1,我们可以对过去值无限重复以上的替代过程,得到表达式:
et=Yt+θYt−1+θ2Yt−2+...
或:
Yt=(−θYt−1−θ2Yt−2−...)+et
若
∣θ∣<1,我们可以看到
MA(1)过程可以逆转换成一个无穷阶的自回归模型,当且仅当
∣θ∣<1,我们称
MA(1)可逆。
对于一般的
MA(q)模型,定义MA特征多项式为:
θ(x)=1−θ1x−θ2x2−...−θqxq
和相应的MA特征方程:
1−θ1x−θ2x2−...−θqxq=0
可以证明
MA(q)模型可逆,当且仅当MA特征方程根的模大于1.
在
MA(1)过程中,我们看到
θ被
1/θ代替时,会得到完全一样的自相关函数
ρ1。比如:
Yt=et+2et−1和
Yt=et+0.5et−1有相同的自相关函数,但是只有第2个以特征根为-2的MA过程是可逆的。
后记:本次Blog暂无R语言应用,本系列未完待续…困dog我了