Студопедия

КАТЕГОРИИ:

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника



Линейные модели стационарного временного ряда




Читайте также:
  1. II. Модели рынков
  2. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  3. Автокорреляция уровней временного ряда. Анализ структуры временного ряда на основании коэффициентов автокорреляции
  4. Аддитивные и мультипликативные модели, используемые в экономическом анализе
  5. Адекватность трендовой модели
  6. Актуальные коммуникационные модели СМИ.
  7. Актуальные проблемы современного сервиса.
  8. Анализ рентабельности собственного капитала: цели, источники информации, моделирование и оценка результатов. Используя данные бухгалтерской отчетности проведите анализ.
  9. Анализ чувствительности и модели эффективности затрат на разработку ПО информационно-управляющих систем.
  10. Аналитическое, имитационное, комбинированное моделирование в САПР систем электроснабжения.

 

Стохастический временной ряд называется стационарным, если его математическое ожидание, дисперсия, автоковариация и автокорреляция являются неизменными во времени.

К основным линейным моделям стационарных временных рядов относятся:

1) модели авторегрессии;

2) модели скользящего среднего;

3) модели авторегрессии скользящего среднего.

Уровень временного ряда, представленного моделью авторегрессии порядка р , можно представить следующим образом:

yt=δ1yt-1+δ2yt-2+…+δpyt–p+νt,

где p – порядок модели авторегрессии;

δt – коэффициенты модели авторегрессии, подлежащие оцениванию;

νt – белый шум (случайная величина с нулевым математическим ожиданием).

Модель авторегрессии порядка р обозначается как АР(р) или AR(p).

На практике чаще всего используются модели авторегрессии первого, второго, максимум третьего порядков.

Модель авторегрессии первого порядка АР(1) называется “Марковским процессом”, потому что значения переменной y в текущий момент времени t зависят только от значений переменной y в предыдущий момент времени (t–1). Данная модель имеет вид:

yt=δyt–1+νt .

Для модели АР(1) действует ограничение |δ|<1 .

Модель авторегрессии второго порядка АР(2) называется “процессом Юла”. Данная модель имеет вид:

yt=δ1yt-1+δ2yt-2+νt .

На коэффициенты модели авторегрессии второго порядка накладываются ограничения вида:

1) (δ1+δ2)<1;

2) (δ1–δ2)<1;

3) |δ2|<1 .

Модели скользящего среднего относятся к простому классу моделей временных рядов с конечным числом параметров, которые можно получить, представив уровень временного ряда как алгебраическую сумму членов ряда белого шума с числом слагаемых q .

Общая модель скользящего среднего порядка q имеет вид:

yt=νt–φ1νt–1–φ2νt–2–…–φqνt–q,

где q – порядок модели скользящего среднего;

φt – неизвестные коэффициенты модели, подлежащие оцениванию;

ν t – белый шум.

Модель скользящего среднего порядка q обозначается как CC(q) или MA(q).

На практике чаще всего используются модели скользящего среднего первого CC(1) и второго порядков CC(2).



Коэффициенты модели скользящего среднего порядка q не обязательно должны в сумме давать единицу и не обязательно должны быть положительными.

Для достижения большей гибкости модели временных рядов при эконометрическом моделировании в неё включают как члены авторегрессии, так и члены скользящего среднего. Подобные модели получили название смешанных моделей авторегрессии скользящего среднего и также относятся к линейным моделям стационарных временных рядов.

Смешанная модель авторегрессии скользящего среднего обозначается как АРСС(p,q) или ARMA(p,q).

Чаще всего на практике используется смешанная модель АРСС(1) с одним параметром авторегрессии p=1 и одним параметром скользящего среднего q=1 . Данная модель имеет вид:

yt=δyt–1+νt–φνt–1,

где δ – параметр процесса авторегрессии;

φ – параметр процесса скользящего среднего;

νt – белый шум.

На коэффициенты данной модели накладываются следующие ограничения:

1) |δ|<1 – условие, обеспечивающее стационарность смешанной модели;

2) | φ|‹1 – условие, обеспечивающее обратимость смешанной модели.

Свойство обратимости смешанной модели АРСС(p,q) означает, что модель скользящего среднего можно обратить или переписать в виде модели авторегрессии неограниченного порядка, и наоборот.



 


Дата добавления: 2015-04-18; просмотров: 7; Нарушение авторских прав







lektsii.com - Лекции.Ком - 2014-2021 год. (0.01 сек.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав
Главная страница Случайная страница Контакты