Реферат Курсовая Конспект
УСТРАНЕНИЕ ТРЕНДА - раздел Математика, Если значения все равны нулю, оцениваемая дисперсия равна константе Обычные Метода Устранения Тренда: A) Дифференциация (Переход К Разно...
|
Обычные метода устранения тренда:
a) Дифференциация (переход к разностям)
b) Детрендизация
Детрендизация представляет собой построение регрессии по “времени” и получение остатков. Мы уже испытывали ARIMA(p,d,q), в которой d-тая разность рядов стационарна. Цель этого раздела – сравнить эти два метода исключения тренда.
ДИФФЕРЕНЦИАЦИЯ (переход к разностям)
Сначала рассмотрим решение модели случайного блуждания с дрейфом:
Взяв первые разности, получаем . Ясно, что последовательность - равная константе плюс распределение белого шума – стационарна. Рассматривая как интересующую переменную, имеем:
Интересен случай модели случайного блуждания с шумом. В первых разностях модель может быть записана как . В такой форме легко показать, что стационарна. Заметим следующее:
При S=1, коэффициент корреляции между равен
Исследование обнаруживает, что и что все другие коэффициенты корреляции равны нулю.
Т.к. первые разности ведут себя точно как MA(1) процесс, модель случайного блуждания с шумом – это ARIMA(0,1,1).
Т.к. добавление константы не влияет на коррелограмму, то это означает, что модель тренда с шумом также ведет себя как ARIMA(0,1,1) процесс.
Модель локального линейного тренда ведет себя как ARIMA(0,2,2).
Взяв первые и вторые разности в этой модели, получим:
так что
Т.к. само по себе нестационарно, можно легко показать, что первая разность нестационарна. Исследуя , заметим:
Все остальные ковариации равны нулю. Т.к. локальная линейная трендовая модель ведет себя как ARIMA(0,2,2).
ДЕТРЕНДИЗАЦИЯ (взятие разности)
Мы показали, как может быть иногда дифференциация (переход к разности) использована для превращения нестационарной модели в стационарную модель в виде ARMA. Это не значит, что все нестационарные модели могут быть превращены в благополучные ARMA модели взятием разности.
Рассмотрим, например, модель, которая является суммой детерминированного тренда и чистого шума:
Первая разность не очень хорошо себя ведет т.к.
Здесь необратима в том смысле, что не может быть выражена в форме авторегрессионного процесса. Обратимость стационарного процесса требует, чтобы MA-компонента не имела единичного корня.
Вместо этого приемлемый путь для трансформации этой модели – оценить уравнение регрессии:
Вычитание оценочных значений из фактических значений дает .
В общем случае временной ряд может иметь полиномиальный тренд.
Процесс, полученный после устранения тренда может быть подвергнут моделированию использованием традиционных методов, таких, как ARMA-оценивание.
Теперь рассмотрим общий класс ARIMA(p,d,q) моделей
где - полиномы лагового оператора L.
В начале предположим, что A(L) имеет единственный единичный корень, а B(L) имеет все корни вне единичного круга. Смысл в том, что первая разность процесса с единичным корнем стационарна. Если A(L) имеет два единичных корня, тот же самый аргумент может быть использован, чтобы показать, что вторая разность стационарна. В общем случае d-тая разность процесса с d единичными корнями стационарна. ARIMA(p,d,q) имеет d единичных корней; d-тая разность такой модели - стационарный ARMA(p,q) процесс. Если процесс имеет d единичных корней, говорят, что он интегрирован порядка d, или просто I(d).
– Конец работы –
Эта тема принадлежит разделу:
На сайте allrefs.net читайте: "Если значения все равны нулю, оцениваемая дисперсия равна константе "
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: УСТРАНЕНИЕ ТРЕНДА
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов