移动平均过滤器
某些时间序列可分解为各种趋势组件。为了估算趋势组件而不做参数假设,您可以考虑使用筛选。
过滤器是将一个时间序列变成另一个时间序列的函数。通过适当的过滤器选择,可以在新系列中阐明或消除原始时间序列中的某些模式。例如,低通滤波器去除高频组件,从而估计缓慢的趋势。
线性过滤器的特定示例是移动平均值。考虑时间序列yt,,,,t= 1,...,,,n。窗口长度的对称(中心)移动平均过滤器2问+ 1由
您可以选择任何权重bj那总和是一个。估计缓慢移动的趋势,通常问= 2是季度数据(5期移动平均)或问= 6月份数据(13期移动平均线)。因为对称的移动平均值具有奇数的术语,所以重量的合理选择是
为了j=±问, 和
否则。通过使用权重向量的时间序列来实现移动平均线转换
。
您不能将对称移动平均值应用于问该系列开始和结尾的观察。这导致观察损失。一种选择是在系列末端使用不对称的移动平均值来保留所有观察结果。