欢迎来到天天文库
浏览记录
ID:38130237
大小:50.00 KB
页数:3页
时间:2019-05-27
《ARMA模型概述》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、ARMA模型概述 ARMA模型(Auto-RegressiveandMovingAverageModel)是研究时间序列的重要方法,由自回归模型(简称AR模型)与滑动平均模型(简称MA模型)为基础“混合”构成。在市场研究中常用于长期追踪资料的研究,如:Panel研究中,用于消费行为模式变迁研究;在零售研究中,用于具有季节变动特征的销售量、市场规模的预测等。[编辑]ARMA模型三种基本形式[1] 1.自回归模型(AR:Auto-regressive); 自回归模型AR(p):如果时间序列yt满足 其中εt是独立同分布的随机
2、变量序列,且满足: E(εt)=0 则称时间序列为yt服从p阶的自回归模型。或者记为φ(B)yt=εt。 自回归模型的平稳条件: 滞后算子多项式的根均在单位圆外,即φ(B)=0的根大于1。 2.移动平均模型(MA:Moving-Average) 移动平均模型MA(q):如果时间序列yt满足 则称时间序列为yt服从q阶移动平均模型; 移动平均模型平稳条件:任何条件下都平稳。 3.混合模型(ARMA:Auto-regressiveMoving-Average) ARMA(p,q)模型:如果时间序列yt满足:
3、 则称时间序列为yt服从(p,q)阶自回归滑动平均混合模型。或者记为φ(B)yt=θ(B)εt 特殊情况:q=0,模型即为AR(p),p=0,模型即为MA(q),[编辑]ARMA模型的基本原理 将预测指标随时间推移而形成的数据序列看作是一个随机序列,这组随机变量所具有的依存关系体现着原始数据在时间上的延续性。一方面,影响因素的影响,另一方面,又有自身变动规律,假定影响因素为x1,x2,…,xk,由回归分析, 其中Y是预测对象的观测值,e为误差。作为预测对象Yt受到自身变化的影响,其规律可由下式体现, 误差项在不同
4、时期具有依存关系,由下式表示, 由此,获得ARMA模型表达式: [编辑]参考文献1.↑徐国祥,马俊玲.《统计预测和决策》学习指导与习题[M].上海财经大学出版社.ISBN:7-81098-492-6.2005
此文档下载收益归作者所有