时间序列，就是用自己的历史找递推机制，研究自己。暴力找规律，用所有可能想到的办法，把被解释变量在当下的观测值，表示成其历史观测值的函数，有点像做公务员行测数学。VAR把暴力推向了一个顶峰。（葛通）
一、基本概念及其适用性 ###（一）基本概念
![]()
image
image
image
image
（二）适用性
![]()
image
image
image
image
image
二、随机时间序列模型的平稳性条件
自回归移动平均模型（ARMA）是随机时间序列分析模型的普遍形式，自回归模型（AR）和移动平均模型（MA）是它的特殊情况。关于这几类模型的研究，是时间序列分析的重点内容：主要包括模型的平稳性分析、 模型的识别和模型的估计。
随机时间序列模型的平稳性， 可通过它所生成的随机时间序列的平稳性来判断
（一）AR(p)模型的平稳性条件
![]()
image
image
image
AR(1)模型
image
AR(2)模型
image
image
image
image
高阶AR(p)模型
image
MA(q)模型
image
ARMA(p,q)模型
image
小结
image
三、随机事件序列模型的识别
所谓随机时间序列模型的识别， 就是对于一个平稳的随机时间序列，找出生成它的合适的随机过程或模型，即判断该时间序列是遵循一纯AR过程、还是遵循一纯MA过程或ARMA过程。
所使用的工具主要是时间序列的自相关函数ACF和偏自相关函数PACF。
（一）AR(p)过程
自相关函数ACF
image
image
image
偏自相关函数PACF
image
image
image
（二）MA(q)过程
![]()
image
image
image
image
image
（三）ARMA(p,q)过程
![]()
image
image
image
四、随机时间序列模型的估计
![]()
image
image
（一）AR(p)模型的Yule Walker方程估计
image
image
（二） MA(q)模型的矩估计
image
image
image
image
（三） ARMA(p,q)模型的矩估计
image
image
（四）AR(p)的最小二乘估计
image
image
image
image
五、模型检验
（一）残差项的白噪声检验
![]()
image
image
（二）AIC和SBC模型选择标准
![]()
image
image
image
参考资料： 1.为什么会觉得时间序列模型比较难学|时间序列的正名 2.随机时间序列模型
