X, = PX,-1 +P2 X,-2 + a来表示，称之为二阶自回归模型，记作AR(2)。其中,α,↑仍为随机扰动项，或称为干扰项。理论上要求 α是正态白噪声序列。阶自回归模型一般地，假设X(t=1, 2,）为平稳且零均值的时间序列，X与其滞后
来表示，称之为二阶自回归模 型，记作AR(2)。其中， 仍为随 机扰动项，或称为干扰项。理论上 要求 是正态白噪声序列。 二、n阶自回归模型 一般地，假设Xt（t=1，2，. ）为平稳且零均值的时间序列，Xt 与其滞后 at at Xt =1 Xt−1 +2 Xt−2 + at
一期Xt-1、滞后二期Xt-2、…，滞后I期X,,相关较强，但与其滞后n+1期Xt-n-及以后滞后期相关较弱，即时间序列具有n期记忆时，我们可以用以下数学模型：X, = PiX-1 +P2X-2 +...+P,Xt+a来表示，称之为n阶自回归模型记作AR(n)。其中,α 要求同上
一期Xt-1、滞后二期Xt-2、.，滞后n 期Xt-n相关较强，但与其滞后n+1期 Xt-n-1及以后滞后期相关较弱，即时 间序列具有n期记忆时，我们可以 用以下数学模型： 来表示，称之为n阶自回归模型， 记作AR(n)。其中， at 要求同上。 Xt = 1 Xt−1 + 2 Xt−2 ++ p Xt−n + at
称 P,P2,,Pn为自回归参数。自回归模型（Autoregressive所描述的是时间序列的变Model)化与其上一期、上两期，，上n期之间的线性关联。这种影响随着滞后期的延伸在递减。一般来讲，的绝对值回归参数P1,P2,.:,是递减的
称 为自回归参 数。自回归模型（Autoregressive Model）所描述的是时间序列的变 化与其上一期、上两期，.，上n 期之间的线性关联。这种影响随着 滞后期的延伸在递减。一般来讲， 回归参数 的绝对值 是递减的。 n , , , 1 2 n , , , 1 2
S 2.3 禾移动平均模型当时间序列X不是与其滞后期之间存在较强的线性关联，而是与影响时间序列变化的干扰项的滞后期之间有线性关联时，模型称之为移动平均模型(Moving Average Model），简称为MA模型
§2.3 移动平均模型 当时间序列Xt不是与其滞后期之间 存在较强的线性关联，而是与影响时间 序列变化的干扰项 的滞后期之间有 线性关联时，模型称之为移动平均模型 （Moving Average Model ），简称 为MA模型。 at
、一阶移动平均模型假设X（t=1，2，..）为平稳且零均值的时间序列，当X与其滞后期之间的相关性较弱，但与干扰的滞后一期之间存在较强的αt-1 相关时，我们可以用以下数学模型X, = a, -,at-1
一、一阶移动平均模型 假设Xt（t=1，2，.）为平稳 且零均值的时间序列，当Xt与其滞 后期之间的相关性较弱，但与干扰 的滞后一期 之间存在较强的 相关时，我们可以用以下数学模型： at−1 Xt = at −1 at−1