对于一些观察时间序列,需要非常高阶AR或MA模型来模拟底层过程。在这种情况下,组合的自回归移动平均(ARMA)模型有时可以是更加令人愉快的选择。
ARMA模型表达了条件的平均值yT.作为过去观察的功能, 以及过去的创新, 过去观察的数量yT.取决于,P.,是AR学位。过去创新的数量yT.取决于,问:,是MA学位。通常,这些模型由ARMA表示(P.那问:)。
ARMA的形式(P.那问:)经济学测量仪Toolbox™中的模型是
(1) |
在滞后运算符多项式表示法, 。定义学位P.AR LAG运营商多项式 。定义学位问:MA LAG操作员多项式 。你可以写arma(P.那问:)模型
(2) |
AR滞后运算符多项式中系数的迹象, ,与右侧相反等式1。在使用Outhoftrics工具箱中指定和解释AR系数时,请使用该表单等式1。
考虑阿玛(P.那问:)滞后运算符的模型,
从这个表达式中,你可以看到
(3) |
是过程的无条件平均值,还有 是一个理性的无限度滞后的拖车多项式, 。
笔记
这持续的
财产的财产阿玛玛
模型对象对应于C,而不是无条件的意思μ.。
通过Wold的分解[2]那等式3.对应于静止随机过程提供了系数 绝对可信。当AR多项式时,这是这种情况, , 是稳定的,意味着它的所有根都在单位圈外面躺在单位。此外,该过程是因果关系只要MA多项式就是可逆,意味着它的所有根都在单位圈外面躺在单位。
OuthoMetrics工具箱强制执行ARMA流程的稳定性和可释放性。使用ARMA模型使用时阿玛玛
如果您输入不对应于稳定的AR多项式或可逆MA多项式的系数,则会收到错误。相似地,估计
在估计期间施加有权和可逆的限制。
[1]盒子,G.E.P.,G.M. Jenkins和G. C. Reinsel。时间序列分析:预测和控制。3 ed。Englewood Cliffs,NJ:Prentice Hall,1994年。
[2] Wold,H.静止时间序列分析的研究。乌普萨拉,瑞典:Almqvist&Wiksell,1938年。