ARMA Models

概述

ARMA（自回归移动平均）模型是时间序列分析中的一种统计模型，结合了自回归（AR）部分和移动平均（MA）部分，用于描述平稳时间序列的行为。

关键内容

1. 模型结构：
2. 模型形式：$X_t = \phi_1 X_{t-1} + \cdots + \phi_p X_{t-p} + \varepsilon_t + \theta_1 \varepsilon_{t-1} + \cdots + \theta_q \varepsilon_{t-q}$
3. AR部分（自回归）：用过去的观测值来预测当前值

4. MA部分（移动平均）：用过去的随机冲击来修正预测

5. 理论基础：

6. 理论根基直接来自Wold分解定理
7. 如果一个因果可逆的ARMA过程是平稳的，其AR部分可以展开为无穷阶的MA过程

8. 这恰好与Wold分解定理保证的MA(∞)形式相一致

9. 重要意义：

10. 为平稳时间序列建模提供了有效工具
11. 是更广泛的ARIMA模型的基础
12. 在经济、金融、工程等领域广泛应用

来源

• Wold Decomposition Theorem — 理论基础与Wold定理的联系

相关

• Wold Decomposition Theorem — theoretical_foundation
• ARIMA Models — basis_for
• Time Series Analysis — important_model_class