时间序列分析考试卷及答案

考核课程 时间序列分析（B 卷） 考核方式 闭卷 考核时间 120 分钟注：B 为延迟算子，使得1-=t tY BY ；∇为差分算子，1--=∇t t tY Y Y 。

一、单项选择题（每小题3 分，共24 分。

）1. 若零均值平稳序列{}t X ，其样本ACF 和样本PACF 都呈现拖尾性，则对{}t X 可能建立（ B ）模型。

A. MA(2)B.ARMA(1,1)C.AR(2)D.MA(1)2.下图是某时间序列的样本偏自相关函数图，则恰当的模型是（ B ）。

A. )1(MAB.)1(ARC.)1,1(ARMAD.)2(MA3. 考虑MA(2)模型212.09.0--+-=t t t t e e e Y ，则其MA 特征方程的根是（ C ）。

（A ）5.0,4.021==λλ （B ）5.0,4.021-=-=λλ （C ）5.2221==λλ， （D ） 5.2221=-=λλ，4. 设有模型112111)1(----=++-t t t t t e e X X X θφφ，其中11<φ，则该模型属于（ B ）。

A.ARMA(2,1) B.ARIMA(1,1,1) C.ARIMA(0,1,1) D.ARIMA(1,2,1)5. AR(2)模型t t t t e Y Y Y +-=--215.04.0，其中64.0)(=t e Var ，则=)(t t e Y E （ B ）。

A.0 B.64.0 C. 16.0 D. 2.06.对于一阶滑动平均模型MA(1): 15.0--=t t t e e Y ，则其一阶自相关函数为( C )。

A.5.0- B. 25.0 C. 4.0- D. 8.07. 若零均值平稳序列{}t X ∇，其样本ACF 呈现二阶截尾性，其样本PACF 呈现拖尾性，则可初步认为对{}t X 应该建立（ B ）模型。

A. MA(2)B.)2,1(IMAC.)1,2(ARID.ARIMA(2,1,2)8. 记∇为差分算子，则下列不正确的是（ C ）。

A. 12-∇-∇=∇t t t Y Y YB. 2122--+-=∇t t t t Y Y Y YC. k t t t kY Y Y --=∇ D. t t t t Y X Y X ∇+∇=+∇）( 二、填空题（每题3分，共24分）；1. 若{}t Y 满足： 1312112---Θ-Θ--=∇∇t t t t t e e e e Y θθ， 则该模型为一个季节周期为=s __12____的乘法季节s ARIMA )1,1_,0(_)1_,1_,0(⨯模型。

2.时间序列{}t Y 的周期为s 的季节差分定义为：=∇t s Y _____s t t Y Y --________________________。

3. 设ARMA (2, 1)：1211.025.0----+-=t t t t t e e Y Y Y则所对应的AR 特征方程为___025.012=--x x _____________，其MA 特征方程为________01.01=-x _____________。

4. 已知AR （1）模型为：),0(~x 4.0x 2t t 1-t t εσεεWN ，+=，则)(t x E =_______0_____________, 偏自相关系数11φ=________8.0__________________，kk φ=________0__________________（k>1）；5.设{}t Y 满足模型：t t t t e Y aY Y ++=--218.0，则当a 满足______2.02.0<<-a __________时，模型平稳。

6.对于时间序列t t t t e e Y Y ,9.01+=-为零均值方差为2e σ的白噪声序列，则)(t Y Var =_______81.012-e σ____________________。

7.对于一阶滑动平均模型MA(1): 16.0--=t t t e e Y ，则其一阶自相关函数为_______________36.016.0+-________________________________。

8.一个子集),(q p ARMA 模型是指_形如__),(q p ARMA 模型但其系数的某个子集为零的模型_。

三、计算题（每小题5分，共10分）已知某序列{}t Y 服从MA(2)模型：218.06.040--+-+=t t t t e e e Y ，若6,4,2,20212-=-===--t t t e e e e σ（a)预测未来2期的值；（b)求出未来两期预测值的95%的预测区间。

解：（1）()121112118.06.040),,8.06.040((),,(1ˆ--+++-=⋅⋅⋅+-+=⋅⋅⋅=t t t t t t t t t e e Y Y Y e e e E Y Y Y Y E Y =6.35)4(8.026.040=-⨯+⨯-()tt t t t t t t e Y Y Y e e e E Y Y Y Y E Y 8.040),,8.06.040((),,(2ˆ2112212+=⋅⋅⋅+-+=⋅⋅⋅=+++ =6.4128.040=⨯+ （2）注意到()∑-==122][l j j e tl e Var ψσ，1≥l 。

因为,6.0,110-==ψψ故有()20]1[=t e Var ，()2.27)36.01(20]2[=+=t e Var 。

未来两期的预测值的%95的预测区间为:()()[]()()[]()l e Var z l Y l e Var zl Y t t t t025.0025.0ˆ,ˆ+-，其中2,1,96.1025.0==l z。

代入相应数据得未来两期的预测值的%95的预测区间为：未来第一期为： )2096.16.35,2096.16.35(+-，即 )3654.44 ,8346.26(； 未来第二期为： )2.2796.16.41,2.2796.16.41(+-，即)8221.15 ,3779.31(。

四、计算题（此题10分）设时间序列}{t X 服从AR(1)模型：t t t e X X +=-1φ，其中}{t e 是白噪声序列，2)(,0)(e t t e Var e E σ==)(,2121x x x x ≠为来自上述模型的样本观测值，试求模型参数2,e σφ的极大似然估计。

解：依题意2=n ，故无条件平方和函数为 212221212212222)1()()(x x x x x x x S t φφφφ-+=-+-=∑= 易见(见p113式(7.3.6)）其对数似然函数为 )(21)1log(21)log()2log(),(2222φσφσπσφS e e e --+--= 所以对数似然方程组为⎪⎪⎩⎪⎪⎨⎧=∂∂=∂∂0),(0),(222φσφσσφe e e，即⎪⎪⎩⎪⎪⎨⎧=-+-=-+02122222122212221e e x x x x x x σφφσφ。

解之得()()⎪⎪⎩⎪⎪⎨⎧+-=+=22212222122221212ˆ2ˆx x x x x x x x εσφ。

五、计算题（每小题6分，共12分）判定下列模型的平稳性和可逆性。

(a) 114.08.0---+=t t t t e e Y Y (b)21215.06.14.18.0----++=+-t t t t t t e e e Y Y Y 解：（a)其AR 特征方程为： 08.01=-x ，其根25.1=x 的模大于1，故满足平稳性条件，该模型平稳。

其MA 特征方程为：04.01=-x ，其根5.2=x 的模大于1，故满足可逆性条件。

该模型可逆。

综上，该模型平稳可逆。

（b) 其AR 特征方程为： 04.18.012=+-x x ，其根为4.126.564.08.02,1⨯-±=x ，故其根的模为4.126.5⨯小于1，从而不满足平稳性条件。

该模型是非平稳的。

MA 特征方程为：05.06.112=++x x ，其有一根5.02256.26.1⨯-+-=x 的模小于1，故不满足可逆性条件。

所以该模型不可逆。

综上，该模型非平稳且不可逆。

六、计算题（每小题5分，共10分）某AR 模型的AR 特征多项式如下：)8.01)(7.07.11(122x x x -+- （1) 写出此模型的具体表达式。

（2) 此模型是平稳的吗?为什么？ 解：（1）该模型为一个季节ARIMA 模型，其模型的具体表达式是（其中B 为延迟算子） t t e Y B B B =-+-)8.01)(7.07.11(122或者 t t t t t t t e Y Y Y Y Y Y =-+-+------1413122156.036.18.07.07.1。

（2）该模型是非平稳的，因为其AR 特征方程)8.01)(7.07.11(122x x x -+-=0有一根1=x 的模小于等于1，故不满足平稳性条件。

七、计算题（此题10分）设有如下AR(2)过程： t t t t e Y Y Y +-=--211.07.0，t e 为零均值方差为 1 的白噪声序列。

(a) 写出该过程的Yule-Walker 方程，并由此解出21,ρρ；（6分） (b) 求t Y 的方差。

（4分）解答：（a)其Yule-Walker 方程（见课本P55公式（4.3.30））为:⎩⎨⎧=-=-21111.07.01.07.0ρρρρ解之得 5519,11721==ρρ。

(b ）由P55公式（4.3.31）得27516255191.01177.0111.07.01)(2120=⨯+⨯-=+-==ρρσγe t Y Var 。