时间序列分析讲义 第2章滞后算子

合集下载

时间序列分析讲义 第02章 滞后算子

时间序列分析讲义  第02章 滞后算子

第二章 滞后算子及其性质滞后算子是对时间序列进行动态线性运算的主要工具,利用滞后算子可以使得一些非线性运算非常简洁。

§2.1 基本概念时间序列是以观测值发生的时期作为标记的数据集合。

一般情况下,我们是从某个特定的时间开始采集数据,直到另一个固定的时间为止,我们可以将获得的数据表示为:),,,(21T y y y如果能够从更早的时间开始观测,或者观测到更晚的时期,那么上面的数据区间可以进一步扩充。

相对而言,上述数据只是一个数据的片段,整个数据序列可以表示为:+∞=-∞==t t t T y y y y }{),,,,,,(21例2.1 几种代表性的时间序列(1) 时间趋势本身也可以构成一个时间序列,此时:t y t =;(2) 另一种特殊的时间序列是常数时间序列,即:c y t =,c 是常数,这种时间的取值不受时间的影响;(3) 在随机分析中常用的一种时间序列是高斯白噪声过程,表示为:t t y ε=,+∞=-∞=t t t }{ε是一个独立随机变量序列,每个随机变量都服从),0(2σN 分布。

时间序列之间也可以进行转换,类似于使用函数关系进行转换。

它是将输入时间序列转换为输出时间序列。

例2.2 几种代表性的时间序列转换(1) 假设t x 是一个时间序列,假设转换关系为:t t x y β=,这种算子是将一个时间序列的每一个时期的值乘以常数转换为一个新的时间序列。

(2) 假设t x 和t w 是两个时间序列,算子转换方式为:t t t w x y +=,此算子是将两个时间序列求和。

定义2.1 如果算子运算是将一个时间序列的前一期值转化为当期值,则称此算子为滞后算子,记做L 。

即对任意时间序列t x ,滞后算子满足:1)(-≡t t x x L (1)类似地,可以定义高阶滞后算子,例如二阶滞后算子记为2L ,对任意时间序列t x ,二阶滞后算子满足:22)]([)(-=≡t t t x x L L x L (2)一般地,对于任意正整数k ,有:k t t k x x L -=)( (3)命题2.1 滞后算子运算满足线性性质: (1) )()(t t x L x L ββ= (2) )()()(t t t t w L x L w x L +=+证明:(1) 利用滞后算子性质,可以得到:)()(1t t t x L x x L βββ==-(2) )()()(11t t t t t t w L x L w x w x L +=+=+-- End 由于滞后算子具有上述运算性质和乘法的交换性质,因此可以定义滞后算子多项式,它的作用是通过它对时间序列的作用获得一个新的时间序列,并且揭示这两个时间序列之间的关系。

时间序列分析法讲义

时间序列分析法讲义

2004
(4) 1451604 1494570 1478651 1577307 6002132
季别累计
(5) 5277839 5503950 5333203 5724816 21839808
季别平均 季节指数
(6) 1319460 1375988 1333301 1431204 1364988
(7) 0.9666 1.0081 0.9768 1.0485 4.0000
97
8
20 -1 503 - 1
07
50
3
20 0 526 0 0 08
20 1 559 55 1
09
9
解:设t表示年次,y表示年发电量,则方成为:y=a+bt
a y 2677 535.4
n5
b ty 278 27.8 t 2 10
y=535.4+27.8t
当t=3时,y=618.8
指数平滑法是生产预测中常用的一种方法。 也用于中短期经济发展趋势预测,
(1) 一次指数平滑法(单重指数平滑法)
X t1
S (1) t
X t
(1
)S
(1) t 1
一次指数平滑法的初值的确定有几种方法
(A) 取第一期的实际值为初值(数据资料较多);S0(1) X1 (B) 取最初几期的平均值为初值(数据资料较少)。
2、指数的分类 (1)个体指数:反映某一具体经济现象动态变动的相
对数
(2)综合指数:反映全部经济现象动态变动的相对数
(3)数量指标指数:它是表明经济活动结果数量 多少的指数。
(4)质量指标指数:它是表明经济工作质量好坏 的指数。
(5)定基指数:它是指各个指数都是以某一个固 定时期为基期而进行计算的一系列指数。

时间序列分析(第一章、第二章)2PPT课件

时间序列分析(第一章、第二章)2PPT课件

精选
单摆的120个观测值(a=-1.25):
12
x 10 3
2
10Biblioteka -1-2-3
-4 0
20
40
60
80
100
120
精选
精选
(2.1)平稳解
精选
精选
习题2.1(因果性)
精选
概念
精选
精选
精选
精选
精选
精选
精选
精选
精选
定理2.1的证明
精选
精选
Wold系数的递推公式
精选
通解与平稳解的关系
80
100
120
精选
单摆的120个观测值(a=-0.85):
8
6
4
2
0
-2
-4
-6
-8
0
20
40
60
80
100
120
精选
单摆的10000个观测值(a=1):
100 80 60 40 20 0 -20 -40 -60 -80 0
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
精选
Levinson递推公式
精选
精选
偏相关系数
精选
AR序列的偏相关系数
精选
精选
AR序列的充分必要条件
精选
定理4.3的证明(1)
精选
定理4.3的证明(2)
精选
定理4.3的证明(3)
精选
精选
定理4.3的证明(4)
精选
精选
本节内容的应用意义
精选
精选
§例5.1 AR(1)序列

滞后算子解卡特兰数

滞后算子解卡特兰数

滞后算子解卡特兰数1.引言1.1 概述概述:滞后算子和卡特兰数作为数学中的重要概念,在组合学、代数学、计算机科学、物理学等领域都有广泛的应用。

滞后算子是一种基本的线性代数运算符,它将数列中的每一项向后移动一位,并在首位添加一个给定的值。

而卡特兰数则是一系列极其重要且有趣的数列,描述了许多组合问题的解决方案的总数。

本文旨在探讨滞后算子是如何解卡特兰数的,并讨论其在组合问题中的应用。

我们将首先介绍滞后算子的概念和特点,包括其定义、运算规则以及具体的应用案例。

随后,我们将对卡特兰数的定义和性质进行详细阐述,包括其递推公式、递归关系和常见的数学性质。

在正文部分,我们将会详细介绍滞后算子解卡特兰数的方法和应用。

通过引入滞后算子,我们可以将卡特兰数的计算问题转化为代数问题,从而简化计算过程。

我们将会讨论不同的解决方法,并比较它们的优缺点。

此外,我们还将探讨滞后算子解卡特兰数在实际应用中的一些具体案例,例如计算树的种类、括号匹配问题等。

最后,我们将对滞后算子解卡特兰数的方法和结果进行分析和讨论。

通过比较不同的解决方案,我们可以评估其在不同情境下的适用性和效果。

同时,我们也将对滞后算子解卡特兰数的局限性进行探讨,并提出可能的改进方向。

通过本文的研究,我们希望能够深入理解滞后算子解卡特兰数的原理和应用,并且为相关领域的学术研究和实际应用提供一定的参考和借鉴。

1.2 文章结构文章结构部分的内容应包括文章的主要分节和各分节的主题或内容简介,以便读者在阅读前能够大致了解全文的结构和内容安排。

根据给出的文章目录,可以编写如下文章结构部分的内容:2. 正文2.1 滞后算子的概念和特点2.2 卡特兰数的定义和性质在本文的正文部分,我们将首先介绍滞后算子的概念和特点。

通过对滞后算子的详细解释,读者可以全面了解滞后算子的定义及其在问题求解中的作用。

接着,我们将介绍卡特兰数的定义和性质。

卡特兰数作为组合数学中的一个重要概念,具有许多重要的性质和应用,在各种问题中都有广泛的应用。

时间序列分析课件讲义

时间序列分析课件讲义
7
3.5E+09 3.0E+09 2.5E+09 2.0E+09 1.5E+09 1.0E+09
5.0E+08 99:01 99:07 00:01 00:07 01:01 01:07 02:01 02:07
Y
8
单变量时间序列分析
趋势模型
确定型趋势模型
平滑模型 季节模型
水平模型
加法模型
9
乘法模型
ARMA模型 ARIMA模型 (G)ARCH类模型
42
(2)ADF检验 DF检验只对存在一阶自相关的序列适用。 ADF检验 适用于存在高阶滞后相关的序列。 y = y t 1 + t
表述为
y t = y t 1 + t
t
存在高阶滞后相关的序列,经过处理可以表述为 y t = y t 1 + 1yt 1+ 2yt 2 + ....... + p1yt p1 + t 上式中,检验假设为
34
特别地,若 其中,{ t }为独立同分布,且E( t ) = 0,
D( t )
2 = <
yt= y t 1+ t
t = 1,2,......
,则{
(random waik process) 。可以看出,随机游动过程是 单位根过程的一个特例。
yt }为一随机游动过程

(2) 季节差分
3. 随机性
23
(四)ARMA模型及其改进 1. 自回归模型 AR(p) 模型的一般形式
( B) yt
=
et
AR (p) 序列的自相关和偏自相关 rk :拖尾性 k :截尾性

时间序列分析:方法与应用(第二版)PPT 时间序列分析(第二章)

时间序列分析:方法与应用(第二版)PPT 时间序列分析(第二章)
速趋于零。
13
SY
160
120
80
40
0
-40
-80 72 73 74 75 76 77 78 79 80 81 82
平稳时间序列曲线图
14
平稳时序自相关分析图 15
Y
3,500 3,000 2,500 2,000 1,500 1,000
500 0 80 82 84 86 88 90 92 94 96 98
Y 为样本数据平均值。
4
自相关系数rk 与简单相关系数一样,取值范
围为[-1,+1]。其绝对值越接近于1,表明自相关
程度越高。
最大滞后阶数k取
的个数。
n
4
、1n0

n
,n为观测数据
例2.1
3) 自相关系数的抽样分布
完全随机序列自相关系数的抽样分布,近似于 以0为均值, 为标准差的正态分布。
时间序列可以用过去的误差项表出
yt = b0 + b1et1+……+ bket k + et
3
(二) 方法性工具
1. 自相关函数
1) 自相关含义 时间序列诸项之间的简单相关
2) 自相关系数 计算公式
nk
(YT Y )(Ytk Y )
rk T 1 n
(Yt Y )2
t 1
式中:n为样本数据个数;k为滞后期;
非平稳时间序列曲线图
非平稳时序自相关分析曲线图
非平稳时序自相关分析曲线图
(2)时序趋势的消除
非平稳性能够被消除的时间序列称为齐次非 平稳时间序列。
一阶差分(逐期、短差)
▽Yt=Yt-Yt-1 (t>1)
பைடு நூலகம்

时间序列分析(张能福)第一、二章

第一章绪论通过本章的学习,理解时间序列的概念,特别是随机时间序列的概念,掌握时间序列的建立过程,掌握确定性时序分析方法,掌握随机过程的概念,深刻理解平稳性和白噪声。

第一节时间序列分析的一般问题时间序列的含义时间序列是指被观察到的以时间为序排列的数据序列。

时间序列可以以表格的形式或图形的形式表现。

例:上海180 指数某时间段的变化国际航运乘客资料(单位:千人)1946―1970 美国各季生产者耐用品支出(单位:十亿美元)1952 年―1994 年我国社会消费品零售总额(单位:亿元)第二节时间序列的建立我们把获取时间序列以及对其进行检查、整理和预处理等工作,称为时间序列的建立。

时间序列数据的采集相应于时间的连续性,系统在不同的时刻上的响应常常是时间t的连续函数。

为了数字计算处理上的方便,往往只按照一定的时间间隔对所研究系统的响应进行记录和观察,我们称之为采样。

相应地把记录和观察时间间隔称为采样间隔。

通常采样采用等间隔采样。

离群点(Outlier )离群点(Outlier )是指一个时间序列中,远离序列一般水平的极端大值和极端小值。

对时间序列离群点分析的方法,有时也被称作稳健估计(Robust Estimation ),该方法最早由Box 和Anderson 于1955 年提出。

1. 离群点(Outlier )产生的原因:(1)采样误差;(2)系统各种偶然非正常因素影响。

2. 离群点的数理描述:(1) 它们是既定分布中的极端点(extreme point ),它们虽与数据主体来自同一分布,但本身应以极小的概率出现;(2) 这种点与数据集的主体并非采自同一分布,而是在采集数据过程中受到其他分布的“污染”,致使现有数据集掺入不应有的“杂质”。

3. 离群点(Outlier )的类型:(1)加性离群点(Additive Outlier ),造成这种离群点的干扰,只影响该干扰发生的那一个时刻T上的序列值,而不影响该时刻以后的序列值。

第二章平稳时间序列模型——ACF和PACF和样本ACFPACF

第⼆章平稳时间序列模型——ACF和PACF和样本ACFPACF⾃相关函数/⾃相关曲线ACFAR(1)模型的ACF:模型为:当其满⾜平稳的必要条件|a1|<1时(所以说,⾃相关系数是在平稳条件下求得的):y(t)和y(t-s)的⽅差是有限常数,y(t)和y(t-s)的协⽅差伽马s除以伽马0,可求得ACF如下:由于{rhoi}其在平稳条件|a1|<1下求得,所以平稳0<a1<1则⾃相关系数是直接收敛到0-1<a1<0则⾃相关系数是震荡收敛到0对于AR(2)模型的ACF:(略去截距项)两边同时乘以y(t),y(t-1),y(t-2)......得到yule-Walker⽅程,然后结合平稳序列的⼀些性质(yule-Walker⽅程法确确实实⽤了协⽅差只与时间间隔有关的性质),得到⾃相关系数如下:rho0恒为1(⼆阶差分⽅程)令⼈惊喜的是,这个⼆阶差分⽅程的特征⽅程和AR(2)模型的是⼀致的。

所以,我们的rho本就是在序列平稳的条件下求得,所以{rhoi}序列也平稳。

当然,其收敛形式取决于a1和a2MA(1)模型的ACF:模型为:由于y(t)的表达式是由⽩噪声序列中的项组成,所以不需要什么平稳条件,就可以求得rho的形式如下:对于MA(p)模型,rho(p+1)开始,之后都为0.所以说,到了p阶之后突然阶段,变为0了。

ARMA(1,1)模型的ACF:模型为:还是使⽤yule-Walker⽅程法(⽤到了序列平稳则协⽅差只与时间间隔有关的性质)得到:所以有:ARMA(p,q)模型的ACF:ARMA(p,q)的⾃相关系数满⾜:(式1)前p个rho值(rho1,rho2...rhop)可以看做yule-Walker⽅程的初始条件,其他滞后值取决于特征⽅程。

(其实是这样的,rho1,rho2...rhop实际上能写出⼀个表达式,⽽rho(p+1)开始,就满⾜⼀个差分⽅程,⽽这个⽅程对应的特征根(即式1)⽅程和AR(p)对应的⼀模⼀样),所以,他会从之后q期开始衰减。

时间序列分析讲义(2)

(3) 最大似然估计法(MLE )首先大家打开教材第43页看,我们纠正教材中的错误。

它说: “对于一组相互独立的随机变量),,2,1(,T t tx =,当得到一个样本),,,(21T x x x 时,似然函数可表示为∏===T t t x f x f x f x f T x x x L 1)()2()2()1(),,2,1(γγγγγ 式中),,,(21k γγγγ =是一组未知参数”。

我们知道时间序列一般不是独立的,而是相依的离散时间随机过程。

因此,得到的样本),,,(21T x x x 不可能是相互独立的,似然函数绝不是以上概率密度乘积的形式。

所以,教材中这一段是错误的。

似然函数在估计理论中有着根本的重要性的一个原因是因为“似然原理”。

这个原理说:已知假定的模型是正确的,数据非得告诉我们的关于参数的全部包含在似然函数中,数据的所有其他方面是不切题的。

实际上,一般的ARMA 过程(含AR 、MA 过程)参数的最大似 然估计计算过程很复杂。

至少有三种方法写出精确的似然函数:向后预报法、递推预报法、状态空间与卡尔曼(Kalman )滤波法。

我们讲只对递推预报法最简要介绍,从而为引出模型选择的AIC 、BIC 信息准则铺平道路。

我们先以最简单的因果的AR(1)过程的MLE 为例,说明MLE 的主要思想。

考虑因果的AR(1)过程,满足模型tu t X t X +-+=110φφ, ),0(~2σN IID t u , 且11<φ。

则均值为 )(110t X E =-=φφμ。

我们以),1,(2σφμ为三个未知参数,而)11(0φμφ-=不作独立的未知参数。

模型中心化为 tu t X t X +--=-)1(1μφμ。

设已得到了样本值),,,(21T x x x 。

则关于参数),1,(2σφμ的似然函数为 )2,1,;1()2,1,;12()2,1,;2,,2,11()2,1,;1,,1(),,2,1;2,1,(σφμσφμσφμσφμσφμx f x x f T x x x T x f T x x T x f Tx x x L ⨯---= 联合概率密度在样本值),,,(21T x x x 处的值写为条件概率密度和最后一个无条件概率密度的乘积。

时间序列分析自回归模型详解


j)
齐次线性差分方程的通解
定理1.1 设A(z)是k个互不相同的零点 z1, z2 , zk 其中z j
是r(j)重零点。则
{z
t j
tl
},
l
0,1, 2,
r( j) 1, j 1,2,
k
是(1.2)的p个解,而且(1.2)的任何解都可以写成
这p个解的线性组合
k r ( j)1
(1.7)
Xt
60
80
100
120
AR( p) 模型 定义2.1( AR( p) 模型) 如果{t} 是白噪声WN(0, 2 ),实数
a1, a2, ap , ap 0 使得多项式A(z)的零点都在单位圆外 p A(z) 1 aj z j 0, z 1 则称P阶差分方程 j 1
p
Xt a j Xt j t ,t Z j 1
是一个p阶自回归模型,简称为 AR( p) 模型
满足 AR( p) 模型(2.5)的平稳时间序列称为(2.5)的平稳解或 AR( p) 序列
称 a (a1,a2, ap )T 为 AR( p) 模型的自回归系数。
称条件(2.4)是稳定性条件或最小相位条件。 A(z)称为模型(2.5)的特征多项式。
X t [a1X t1 a2 X t2 ap X t p ] 0,t Z
为p阶齐次常系数线性差分方程,简称齐次差分方程。 满足上式方程的实数列称为它的解, 满足上式的实值(或复值)时间序列也成为它的解。
上式的解可以由p个初值逐次递推得到
Xt [a1X t1 a2 X t2 ap X t p ],t p
U
l
,
jt
'
z
t j
,
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第二章 滞后算子及其性质§2.1 基本概念时间序列是以观测值发生的时期作为标记的数据集合。

一般情况下,我们是从某个特定的时间开始采集数据,直到另一个固定的时间为止,我们可以将获得的数据表示为:),,,(21T y y y如果能够从更早的时间开始观测,或者观测到更晚的时期,那么上面的数据区间可以进一步扩充。

相对而言,上述数据只是一个数据的片段,整个数据序列可以表示为:+∞=-∞==t t t T y y y y }{),,,,,,(21例2.1 (1) 时间趋势本身也可以构成一个时间序列,此时:t y t =;(2) 另一种特殊的时间序列是常数时间序列,即:c y t =,c 是常数,这种时间的取值不受时间的影响;(3) 在随机分析中常用的一种时间序列是高斯白噪声过程,表示为:t t y ε=,+∞=-∞=t t t }{ε是一个独立随机变量序列,每个随机变量都服从),0(2σN 分布。

时间序列之间也可以进行转换,类似于使用函数关系进行转换。

它是将输入时间序列转换为输出时间序列。

例2.2 (1) 假设t x 是一个时间序列,假设转换关系为:t t x y β=,这种算子是将一个时间序列的每一个时期的值乘以常数转换为一个新的时间序列。

(2) 假设t x 和t w 是两个时间序列,算子转换方式为:t t t w x y +=,此算子是将两个时间序列求和。

定义:如果算子运算是将一个时间序列的前一期值转化为当期值,则称此算子为滞后算子,记做L 。

即对任意时间序列t x ,滞后算子满足:1)(-≡t t x x L类似地,可以定义高阶滞后算子,例如二阶滞后算子记为2L ,对任意时间序列t x ,二阶滞后算子满足:22)]([)(-=≡t t t x x L L x L一般地,对于任意正整数k ,有:k t t k x x L -=)(命题2.1 滞后算子运算满足线性性质:(1) )()(t t x L x L ββ=(2) )()()(t t t t w L x L w x L +=+证明:(1) 利用滞后算子性质,可以得到:)()(1t t t x L x x L βββ==-(2) )()()(11t t t t t t w L x L w x w x L +=+=+--由于滞后算子具有上述运算性质和乘法的交换性质,因此可以定义滞后算子多项式,它的作用是通过它对时间序列的作用获得一个新的时间序列,并且揭示这两个时间序列之间的关系。

显然,滞后算子作用到常数时间序列上,时间序列仍然保持常数,即:c c L =)(。

§2.2 一阶差分方程利用滞后算子,可以将前面的一阶差分方程表示成为滞后算子形式:t t t t t w y L w y y +=+=-φφ1也可以表示为:t t w y L =-)1(φ在上述等式两边同时作用算子:)1(22t t L L L φφφ++++ ,可以得到:t t t t t t w L L y L L L )1()1)(1(φφφφφ+++=-+++计算得到:t t t t t t w L L y L )1()1(11φφφ+++=-++利用滞后算子性质得到:0111w w w y y t t t t t φφφ+++++=--+上述差分方程的解同利用叠代算法得到的解是一致的。

注意到算子作用后的等式:t t t t t t y y y L L L 1)1)(1(+-=-+++φφφφ如果时间序列t y 是有界的,即存在有限的常数M ,使得任意时间均有:M y t ≤||,并且1||<φ,则上式当中的尾项随着时间增加趋于零。

从而有:t t t t t y y L L L =-+++∞→)1)](1[(lim φφφ如果利用“1”表示恒等算子,则有:1)1)](1[(lim =-+++∞→L L L t t t φφφ 记:)]1[(lim )1(1t t t L L L φφφ+++=-∞→- 因此得到了“逆算子”的表达式,这类似于以滞后算子为变量的函数展开式。

定义2.1:当1||<φ时,定义算子)1(L φ-的逆算子为1)1(--L φ,它满足:(1) I L L L L =--=----)1()1()1)(1(11φφφφ其中I 表示单位算子,即对任意时间序列t y ,有:t t y y I =)((2) 在形式上逆算子可以表示为:∑=-∞=-01)1(j j j L L φφ这表示逆算子作为算子运算规则是:对于任意时间序列t y ,有:∑=∑=-∞=-∞=-001)()1(j j t j j t j j t y y L y L φφφ当1||≥φ时,逆算子1)1(--L φ的定义以后讨论。

如果时间序列t y 是有界的,则一阶差分方程的解可以表示为:∑=+++=∞=---0221j j t j t t t t w w w w y φφφ 可以验算上述表达式确实满足一阶线性差分方程。

但是解并惟一,例如对于任意实数0a ,下述形式的表达式均是方程的解。

∑+=∞=-00j j t j tt w a y φφ 上述差分方程的解中含有待定系数,这为判断解的性质留出一定的余地。

§2.3 二阶差分方程我们考察二阶差分方程的滞后算子表达式:t t t t w y y y ++=--2211φφ将其利用滞后算子表示为:t t w y L L =--)1(221φφ对二阶滞后算子多项式进行因式分解,即寻求1λ和2λ使得:])(1[)1)(1()1(2212121221L L L L L L λλλλλλφφ++-=--=--显然1λ和2λ是差分方程对应的特征方程的根:0212=--φλφλ当特征根1λ和2λ落在单位圆内的时候(这也是差分方程的稳定性条件),滞后算子多项式分解为:++++=--3312211111)1(L L L L λλλλ, ++++=--3322222121)1(L L L L λλλλ这时二阶差分方程解可以表示为:t t w L L y 1211)1()1(----=λλ注意到算子分式也可以进行分项分式分解(如此分解需要证明,参见Sargent ,1987,p. 184):⎪⎪⎭⎫ ⎝⎛----=--)1()1()(1)1)(1(122112121L L L L λλλλλλλλ 将上述表达式带入到二阶差分方程解中:()++++++=+++++++-=⎪⎪⎭⎫ ⎝⎛----=--222221112211212222221121221121)()()(11)(1)1()1()(1t t t t t t w c c w c c w c c w L L L L w L L y λλλλλλλλλλλλλλλλ 其中:2111λλλ-=c ,1222λλλ-=c 利用上述公式,可以得到外生扰动的动态反应乘子为:j j tj t c c w y 2211λλ+=∂∂+, ,1,0=j 上述利用滞后算子运算得到的乘数与以前所得完全一致。

例2.3 对于二阶差分方程而言,其特征方程是:0212=--φλφλ得到特征根为:)4(212111φφφλ++=,)4(212112φφφλ+-=上述方程的稳定性与滞后算子多项式的根落在单位圆内是一致的。

§2.4 p 阶差分方程上述算子多项式的分解方法可以直接推广到p 阶差分方程情形。

将p 阶差分方程表示成为滞后算子形式:t t p p w y L L L =----)1(221φφφ将上式左端的算子多项式分解为:)1()1)(1()1(21221L L L L L L p p p λλλφφφ---=----这相当于寻求),,(1p λλ 使得下述代数多项式恒等:)1()1)(1()1(21221z z z z z z p p p λλλφφφ---=----定义1-=z λ,则可以将上述多项式表示成为:)())(()(212211p p p p p λλλλλλφλφλφλ---=------这意味着算子多项式的分解,就相当于求出差分方程特征方程的根。

如果差分方程的根相异,且全部落在单位圆内,则可以进行下述分式分解:)1()1()1()1()1)(1(1121121L c L c L c L L L p p p λλλλλλ-++-+-=--- 通过待定系数法,可以得到上述分式中的参数为:112111----+++=p p p p p i i c λλλλ ,p j ,,2,1 =显然有:121=+++p c c c利用上述算子多项式分解,可以得到差分方程的解为:+++++++++++++=++++++++++++=-++-+-=----=--j p j p p j j p p p p p tp p p t t t p p t t t p p t w c c c w c c c w c c c w L L c w L L c w L L c w L c w L c w L c w L L L y )()()()1()1()1()1()1()1()1(1221112211212222222221112211221λλλλλλλλλλλλλλλφφφ 通过上述方程通解,可以得到动态反应乘子为:j p p j j tj t c c c w y λλλ+++=∂∂+ 2211, ,2,1=j 命题2.1 外生变量t w 对t y 现值的影响和外生变量t w 持续扰动对t y 的动态影响乘子是: p pj j t j t y w βφβφβφβ----=⎪⎭⎫ ⎝⎛∑∂∂∞=+ 221011 pj t j t t j t t j t j w y w y w y φφφ----=⎥⎥⎦⎤⎢⎢⎣⎡∂∂++∂∂+∂∂+++++∞→ 21111lim 证明:将差分方程的解表示为:+++=--33221t t t t w w w y ϕϕϕ,其中:][11j p p j j c c λλϕ++= , ,2,1=j设:++++=332210)(L L L L ϕϕϕϕϕ利用算子多项式表示:t t w L y )(ϕ=t w 对t y 现值的影响可以表示为:∑==∑∂∂=⎪⎭⎫ ⎝⎛∑∂∂∞=∞=+∞=+000)(j j j j t j t jj j t j t w y y w βϕϕβββ 注意到:11332210)]1()1[()(---=++++=L L L L L L p λλϕϕϕϕϕ因此有:122111]1[)]1()1[()(------=--=p p p βφβφβφβλβλβϕ长期乘数相当于1=β的情形,从而得到公式所示的公式。

上述命题结论是利用滞后算子多项式推导的,其结论同利用差分方程矩阵表示所得到的结论是一致的。

相关文档
最新文档