2.4.4. Модель скользящего среднего
Модель скользящего среднего порядка q описывает стационарные процессы как некоторую линейную комбинацию "белого шума" и записывается в виде
yt = at - 1 at -1 - 2 at -2 - ... - p at -q ,
где yt = xt - . Модель содержит q + 2 неизвестных параметра: коэффициенты многочлена 1, ..., q; "средний уровень" процесса и дисперсию a2 белого шума, которые на практике следует оценить по наблюдениям.
Кроме требований стационарности ряда, практически применима лишь такая форма модели, для которой выполняется условие обратимости: все корни полинома
(B) = 1 - 1 B - 2 B2 - ... - q Bq ,
лежат внутри единичного круга |y| < 1.
Для теоретического процесса СС(q) все значения автокорреляционной функции для лагов, больших q, равны нулю. Это свойство является характеризационным. Модель СС имеет практическое значение для моделирования процессов, первая (или более высокая) разность которых стационарна. Подобные процессы устроены как случайные колебания с непостоянным средним уровнем (q = 1) или непостоянным углом наклона (q = 2).
- Глава 2. Классические методы исследования
- 2.1. Предварительная обработка и анализ рядов динамики
- 2.1.1. Общие представления о динамических рядах
- 2.1.2. Примеры временных рядов и их характеристики
- 2.1.3. Пропуски, выбросы и разрывы временных рядов
- 2.1.4. Выборочные статистические характеристики ряда
- 2.2. Методы выделения тренда временных рядов
- Булат Окуджава
- 2.2.1. Общие замечания
- 2.2.2. Метод скользящих средних
- 2.2.3. Медианное сглаживание
- 2.2.4. Метод экспоненциального сглаживания
- 2.2.5. Процедура сезонного экспоненциального сглаживания
- 2.2.6. Частотные фильтры
- 2.2.7. Тесты для оценки наличия тренда
- 2.2.8. Параметрические модели тренда
- 2.3. Автокорреляционная функция и спектр
- Булат Окуджава
- 2.3.1. Коэффициент автокорреляции и его оценка
- 2.3.2. Автокорреляционные функции
- 2.3.3. Критерий Дарбина-Уотсона
- 2.3.4. Спектральный анализ
- 2.4. Стохастические модели временных рядов
- Булат Окуджава
- 2.4.1. Основные типы стохастических моделей
- 2.4.2. Этапы построения моделей
- 2.4.3. Модель авторегрессии
- 2.4.4. Модель скользящего среднего
- 2.4.5. Модель Бокса-Дженкинса (арисс)
- 2.4.6. Сезонная модель