一些时间序列可分解成不同的组件的趋势。估计趋势组件没有参数的假设,可以考虑使用过滤器。
过滤器是函数,将一个时间序列转化成另一个短语。通过选择合适的过滤器,某些模式在原始时间序列可以澄清或取消新系列。例如,一个低通滤波器去除高频分量,收益率的估计缓慢移动的趋势。
一个特定的一个线性滤波器的例子移动平均线。考虑一个时间序列yt,t= 1,…,N。对称(集中)移动平均滤波器窗口长度的2问+ 1是由
你可以选择任何重量bj和一个。估计一个缓慢移动的趋势,通常问= 2季度数据是一个很好的选择(5移动平均),或问= 6月度数据(13任移动平均)。因为对称移动平均线有一个奇数的术语中,权重是一个合理的选择
为j=±问,
否则。实现一个移动平均通过时间序列卷积使用向量的权重conv
。
你不能运用对称移动平均线问观察系列的开始和结束。这导致观察损失。一种选择是使用一个不对称的移动平均线末端系列保留所有的观察。