Green函数
在大三学习时间序列时也没有怎么弄懂,此次重新回顾一番,希望能有更深的理解。
在时序分析中,Green函数出现在AR模型的方差计算中,用于计算AR模型的方差。
定义
假设 x t {x_t} xt为任意阶数的AR模型,那么一定存在一个常数序列 { G j } ( j = 0 , 1 , 2 , . . . ) \{G_j\}(j=0,1,2,...) {
Gj}(j=0,1,2,...),使得 x t {x_t} xt可以等价表达为纯随机序 { ϵ t } \{\epsilon_t\} {
ϵt}的线性组合,即:
x t = G 0 ϵ t + G 1 ϵ t − 1 + G 2 ϵ t − 2 + . . . x_t=G_0\epsilon_t+G_1\epsilon_{t-1}+G_2\epsilon_{t-2}+... xt=G0ϵt+G1ϵt−1+G2ϵt−2+...
这个常数序列 { G j } \{G_j\} {
Gj}就称为Green函数。
我们知道,引入延迟算子时,p阶AR模型可以表示为:
Φ ( B ) x t = ϵ t \Phi(B)x_t=\epsilon_t Φ(B)xt=ϵt
其中 Φ ( B ) = 1 − ϕ 1 B − ϕ 2 B 2 − . . . − ϕ p B p \Phi(B)=1-\phi_1B-\phi_2B^2-...-\phi_pB^p Φ(B)=1−ϕ1B−ϕ2B2−...−ϕpBp。
而 x t {x_t} xt又可以用Green函数等价表达为:
x t = G ( B ) ϵ t x_t=G(B)\epsilon_t xt=G(B)ϵt
其中 G ( B ) = G 0 + G 1 B + G 2 B 2 + . . . G(B)=G_0+G_1B+G_2B^2+... G(B)=G0+G1B+G2B2+...。
两式合并,可得到:
Φ ( B ) G ( B ) ϵ t = ϵ t \Phi(B)G(B)\epsilon_t=\epsilon_t Φ(B)G(B)ϵt=ϵt
左式可写为:
( 1 − ∑ k = 1 p ϕ k B k ) ( ∑ j = 0 ∞ G j B j ) ϵ t = ϵ t (1-\sum_{k=1}^p\phi_kB^k)(\sum_{j=0}^\infty G_j B^j)\epsilon_t=\epsilon_t (1−k=1∑pϕkBk)(j=0∑∞GjBj)ϵt=ϵt
展开可得:
( 1 − ϕ 1 B − ϕ 2 B 2 − . . . − ϕ p B p ) ( G 0 + G 1 B + G 2 B 2 + . . . ) ϵ t = ϵ t (1-\phi_1 B-\phi_2 B^2-...-\phi_pB^p)(G_0+G_1B+G_2B^2+...)\epsilon_t=\epsilon_t (1−ϕ1B−ϕ2B2−...−ϕpBp)(G0+G1B+G2B2+...)ϵt=ϵt
观察 B t B^t Bt系数:
B 0 : G 0 B^0:G_0 B0:G0
B 1 : G 1 − G 0 ϕ 1 B^1:G_1-G_0\phi_1 B1:G1−G0ϕ1
B 2 : G 2 − G 0 ϕ 2 − G 1 ϕ 1 B^2:G_2-G_0\phi_2-G_1\phi_1 B2:G2−G0ϕ2−G1ϕ1
. . . ... ...
B p : G p − G 0 ϕ p − G 1 ϕ p − 1 − G 2 ϕ p − 2 − . . . − G p − 1 ϕ 1 B^p:G_p-G_0\phi_p-G_1\phi_{p-1}-G_2\phi_{p-2}-...-G_{p-1}\phi_1 Bp:Gp−G0ϕp−G1ϕp−1−G2ϕp−2−...−Gp−1ϕ1
B p + 1 : G p + 1 − G 1 ϕ p − G 2 ϕ p − 1 − G 3 ϕ p − 2 − . . . − G p ϕ 1 B^{p+1}:G_{p+1}-G_1\phi_p-G_2\phi_{p-1}-G_3\phi_{p-2}-...-G_p\phi_1 Bp+1:Gp+1−G1ϕp−G2ϕp−1−G3ϕp−2−...−Gpϕ1
B p + 2 : G p + 2 − G 2 ϕ p − G 3 ϕ p − 1 − . . . − G p ϕ 2 B^{p+2}:G_{p+2}-G_2\phi_{p}-G_3\phi_{p-1}-...-G_p\phi_2 Bp+2:Gp+2−G2ϕp−G3ϕp−1−...−Gpϕ2
Φ ( B ) G ( B ) ϵ t = [ G 0 − ∑ j = 1 ∞ ( G j − ∑ k = 0 j G k ϕ j − k ) B j ] ϵ t = ϵ t \Phi(B)G(B)\epsilon_t = [G_0-\sum_{j=1}^\infty(G_j-\sum_{k=0}^jG_k\phi_{j-k})B_j ]\epsilon_t=\epsilon_t Φ(B)G(B)ϵt=[G0−j=1∑∞(Gj−k=0∑jGkϕj−k)Bj]ϵt=ϵt
要使等号两边成立,即要满足两个条件:
{ G 0 = 1 ∑ j = 1 ∞ ( G j − ∑ k = 0 j ϕ k ′ G j − k ) = 0 , ∀ j ≥ 1 \begin{cases} G_0=1 \\ \sum_{j=1}^\infty(G_j-\sum_{k=0}^j\phi_k^{'} G_{j-k})=0,\forall j \geq1 \end{cases} {
G0=1∑j=1∞(Gj−∑k=0jϕk′Gj−k)=0,∀j≥1
其中:
ϕ ( k ) = { ϕ k , k < = p 0 , k > p \phi(k)=\begin{cases} \phi_k,k<=p \\ 0,k>p\end{cases} ϕ(k)={
ϕk,k<=p0,k>p
由此可得到任意平稳的p阶AR模型的Green函数递推公式为:
G j = { 1 , j = 0 ∑ k = 0 j ϕ k ′ G j − k , j ≥ 1 G_j=\begin{cases}1, j=0 \\ \sum_{k=0}^j\phi_k^{'} G_{j-k},j \geq 1 \end{cases} Gj={
1,j=0∑k=0jϕk′Gj−k,j≥1