时间序列的其它博文系列：

时间序列模型 （一）：模型概述

时间序列模型 （二）：移动平均法

时间序列模型 （三）：指数平滑法

时间序列模型 （四）：差分指数平滑法、 自适应滤波法v

时间序列模型 （五）： 趋势外推预测方法

时间序列模型 （六）：平稳时间序列模型 ：自回归AR 、移动平均 MA 、ARMA 模型

时间序列模型 （七）： 时间序列建模的基本步骤

---

这里的平稳是指宽平稳，其特性是序列的统计特性不随时间的平移而变化，即均值和协方差不随时间的平移而变化。 

自回归模型（Auto Regressive Model）简称 AR 模型，移动平均模型（Moving Average Model）简称 MA 模型，

自回归移动平均模型（Auto Regressive Moving Average Model）简称 ARMA 模型。

下面的  为零均值（即中心化处理的）平稳序列。 

---

目录

一般自回归模型 AR(n) 

白噪声序列

移动平均模型 MA(m)

自回归移动平均模型 

ARMA 模型的特性 

AR(1)系统的格林函数 

ARMA (2,1)系统的格林函数 的隐式 

 逆函数和可逆性 

---

 

一般自回归模型 AR(n) 

白噪声序列

 

移动平均模型 MA(m)

自回归移动平均模型 

ARMA 模型的特性 

在时间序列的时域分析中，线性差分方程是极为有效的工具。事实上，任何一个 ARMA 模型都是一个线性差分方程。

AR(1)系统的格林函数 

格林函数就是描述系统记忆扰动程度的函数。 

 

后移算子

由于格林函数就是差分方程解的系数函数，格林函数的意义可概括如下： 

 

ARMA (2,1)系统的格林函数 的隐式 

 

 逆函数和可逆性 

---

时间序列的其它博文系列：

时间序列模型 （一）：模型概述

时间序列模型 （二）：移动平均法

时间序列模型 （三）：指数平滑法

时间序列模型 （四）：差分指数平滑法、 自适应滤波法v

时间序列模型 （五）： 趋势外推预测方法

时间序列模型 （六）：平稳时间序列模型 ：自回归AR 、移动平均 MA 、ARMA 模型

时间序列模型 （七）： 时间序列建模的基本步骤