中国人民大学：《金融计量学》课程教学资源（PPT课件）Lecture 05 平稳金融时间序列——ARMA模型（1/2）

第5章平稳金融时间序列：ARMA模型 5.1移动平均过程(MA Process) 5.2自回归移动平均过程(ARMA Processes) 5.3 部分自相关函数 (Partial Autocorrelations) 5.4 样本自相关与部分自相关函数 5.5 自相关性检验 5.6ARMA模型的实证分析及应用 5.7 实例应用：中国CPI通胀率的AR模型

第5章 平稳金融时间序列: ARMA模型 5.1 移动平均过程(MA Process) 5.2 自回归移动平均过程(ARMA Processes) 5.3 部分自相关函数 (Partial Autocorrelations) 5.4 样本自相关与部分自相关函数 5.5 自相关性检验 5.6 ARMA模型的实证分析及应用 5.7 实例应用：中国CPI通胀率的AR模型

5.1移动平均过程(MA Process) 5.1.1MA(1)模型 y,=C+e,+88-1 e:id(0,o2) 如果利用滞后算子来定义MA(1)过程， 则模型可以写作： y,=c+(1+8L)e

5.1 移动平均过程(MA Process) 5.1.1 MA(1) 模型 1 1 2 1 (0, ) MA (1 ) t t t t t t y c iid y c L               如果利用滞后算子来定义 （1）过程， 则模型可以写作： :

图5.1模拟生成的MA(1)序列 8 Yt)=et)+0.5*e(t-1) 10 2030405060708090100

图5.1 模拟生成的MA(1)序列 -4 0 4 8 10 20 30 40 50 60 70 80 90 100 Y(t)=e(t)+0.5*e(t-1)

均值 H=E(y,)=E(c+E,+8e,-1)=C 方差 =Ly-Ey)=E(e,+8e-)2=(1+e)o

均值 1 1 ( ) ( ) E t t t  y E c    c       方差 2 2 2 2 0 1 1 1 [ ( )] ( ) (1 ) E t t t t   y E y  E       

自协方差 E(y-0yy-W=E(E,+88-e--H+8e--2) =E(e,e-j-1+8e,-e-+08-j-2+GE--j-2) 飞=4o，j ，j>1

自协方差 1 1 1 1 2 2 1 1 1 1 1 2 1 1 2 ( )( ) ( )( ) ( ) t t j t t t j t j t t j t t j t t j t t j E y y E E                                             2 1 1 = 0 1 j j j        ，