Odnosi się do modelu AutoRegressive Integrated Moving Average używanego w modelowaniu szeregów czasowych zarówno do opisu danych, jak i do prognozowania. Model ten uogólnia model ARMA poprzez zawarcie terminu różnicowania, co jest przydatne do usuwania trendów i radzenia sobie z niektórymi typami niestacjonarności.
Chcę sprawdzić, czy jestem na dobrej drodze, analizując moje wykresy ACF i PACF: Tło: (Reff: Philip Hans Franses, 1998) Ponieważ zarówno ACF, jak i PACF wykazują znaczące wartości, zakładam, że model ARMA spełni moje potrzeby ACF można wykorzystać do oszacowania części MA, tj. Wartości q,...
Czytam książkę o szeregach czasowych i zacząłem drapać się w głowę w następującej części: Czy ktoś mógłby wyjaśnić mi intuicję? Nie mogłem tego uzyskać z tego tekstu. Dlaczego potrzebujemy, aby proces był odwracalny? Jaki jest tutaj duży obraz? Dziękuję za wszelką pomoc. Jestem nowy w tej...
Rozważmy proces AR (2) o średnim środku Xt=ϕ1Xt−1+ϕ2Xt−2+ϵtXt=ϕ1Xt−1+ϕ2Xt−2+ϵtX_t=\phi_1X_{t-1}+\phi_2X_{t-2}+\epsilon_t gdzie ϵtϵt\epsilon_t jest standardowym procesem białego szumu. Tylko dla uproszczenia niech mnie nazywają ϕ1=bϕ1=b\phi_1=b i ϕ2=aϕ2=a\phi_{2}=a . Skupiając się na pierwiastkach...
W praktyce, jak ocenić, czy proces AR (P) jest stacjonarny, czy nie? Jak ustalić zamówienie dla modelu AR i
Zamierzam użyć modelu ARMA-GARCH do finansowych szeregów czasowych i zastanawiałem się, czy seria powinna być stacjonarna przed zastosowaniem tego modelu. Wiem, że stosuję model ARMA, seria powinna być stacjonarna, jednak nie jestem pewien co do ARMA-GARCH, ponieważ uwzględniam błędy GARCH, które...
Muszę wyprowadzić wyrażenia analityczne dla funkcji autokowariancji procesu ARMA (2,1) oznaczonej przez:γ(k)γ(k)\gamma\left(k\right) yt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵtyt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵty_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\theta_1\epsilon_{t-1}+\epsilon_t Więc wiem,...
W R (2.15.2) dopasowałem raz ARIMA (3,1,3) na szeregu czasowym i raz ARMA (3,3) na raz zróżnicowanym szeregu czasowym. Dopasowane parametry różnią się, co przypisałem metodzie dopasowania w ARIMA. Ponadto dopasowanie ARIMA (3,0,3) do tych samych danych co ARMA (3,3) nie da identycznych parametrów,...
Z Wikipedii istnieje definicja Kryterium Informacyjnego Akaike (AIC) jako , gdzie jest liczbą parametrów, a jest prawdopodobieństwem modelu.AIC=2k−2logLAIC=2k−2logL AIC = 2k -2 \log L kkklogLlogL\log L Jednak nasze ekonometria zauważa na szanowanym uniwersytecie, że . Tutaj to oszacowana...
Próbuję zrozumieć, w jaki sposób obliczane są dopasowane wartości dla modeli ARMA (p, q). Znalazłem już pytanie dotyczące dopasowanych wartości procesów ARMA, ale nie byłem w stanie tego zrozumieć. Jeśli mam model ARMA (1,1), tj Xt=α1Xt−1+ϵt−β1ϵt−1Xt=α1Xt−1+ϵt−β1ϵt−1X_t =...
Moje pytanie brzmi, czy są jakieś dobre materiały online do nauki tego. Coś, co dobrze wprowadza rzeczy, zwłaszcza modele ARMA i powiązana matematyka. Edycja: Szukam czegoś z wyższej klasy studiów licencjackich. Coś jak we wprowadzeniu Brockwella i Davisa do szeregów czasowych i...
Jakie są zalety wyrażania modelu ARMA jako modelu przestrzeni stanów i przeprowadzania prognozowania przy użyciu filtra Kalmana? Metodologia ta jest na przykład stosowana w implementacji SARIMAX w
Patrzę na wyjątkowo nieliniowe dane, dla których modele ARMA / ARIMA nie działają dobrze. Chociaż widzę trochę autokorelacji i podejrzewam, że mam lepsze wyniki dla nieliniowej autokorelacji. 1 / czy istnieje odpowiednik PACF dla korelacji rang? (w R?) 2 / czy istnieje odpowiednik modelu ARMA dla...