那两张纸可以捐出来吗？

irvingy,我现在的猜想是：毛病出在那些个系数上。要保证这是一个平稳的过程的话，我必须让系数方程搞成一个根的绝对值都小于1的状况。

有什么方法能简单地解决这个问题吗？

帮帮我。

兄弟，先谢谢，东西是好东西。不过我的问题不是这个。

我的问题是我要自己生成一个ARMA过程样本集，采用monte carlo办法来做。这样的话，我首先要给那个多项式赋值yt=u+a1*y(t-1)+...ap*y(t-p)+et+b1*e(t-1)+...bq*e(t-q)，中间et作为正态的随机反复由机器给。

然后把过程样本弄出来，然后在样本上搞GMM测试，看和原先的预设差距有多远。

如果是平稳过程，才可以GMM回归，所以我要区分开来，那个无穷多项式要每个根绝对值小于1。现在我刚刚把ar部分的系数搞定了，但是现在又出了个问题。MA部分和AR是有协同的，MA部分的系数也不好随便给，不然原先的多项式有重根，会把模型再次变掉。但是MA部分如何避免这个问题，很麻烦，一时没什么办法。

所以，为这个发愁。

明白了，你想随便弄个ARMA(p,q)的系数，保证是stationary的

这个只要AR(p)是stationary就可以了，AR(p)的characteristic equation所有的根都落在unit circle外面就行了，MA(q)总是stationary的，系数可以随便选，除非你要MA(q)是invertible的，那样的话MA(q)的characteristic equation所有的根也要落在unit circle外面

恩，是这个意思。

我现在采取先取3个根，倒过来推多项式的方法，GMM的ar(1)效果好多了。

但是现在怀疑，MA部分也需要处理。因为Ar(2),Ar(3)的量本来就不强，然后error很大的话，估计量不理想。

你选的数字是多少

我随便选了几个，要不你试试看

\theta = {1.70711,-1.20711,0.353553}

\gamma = {-0.929757,-0.104443,0.300647,-0.0816497}

Irvingy,

theta>1的话，是不是成了ARIMA了？

弄下来，效果还是不太好。

theta>1不是ARIMA，AR(1)里面|theta|<1保证stationarity，AR(p)里面p>1的时候，theta是可以大于1的

效果不好可能是因为我用了复数根，另外我实在是不懂GMM，等我周末有空用OLS试一下，我这里乱七八糟的事情实在是太多了

另外我想ARMA(3,4)是不是一上来就太多了，要不你先试个AR(1),MA(1),ARMA(1,1)

那些我都试过了。

GMM就是可以过滤error的共线问题，解决内生性问题的方法。