Arima เคลื่อนไหว ค่าเฉลี่ย ระยะ

นี่เป็นคำถามพื้นฐานเกี่ยวกับโมเดล Box-Jenkins MA ฉันเข้าใจว่าแบบจำลอง MA คือการถดถอยเชิงเส้นของค่าชุดเวลา Y เทียบกับข้อผิดพลาดก่อนหน้านี้และนั่นคือการสังเกต Y จะถดถอยครั้งแรกเมื่อเทียบกับค่าก่อนหน้าที่ YY และ จากนั้นค่า Y - หมวกอย่างน้อยหนึ่งค่าจะถูกใช้เป็นเงื่อนไขข้อผิดพลาดสำหรับแบบจำลอง MA แต่ข้อผิดพลาดที่คำนวณได้ในแบบ ARIMA 0, 0, 2 เป็นอย่างไรถ้าแบบจำลอง MA ถูกใช้โดยไม่มีส่วน autoregressive และไม่มีค่าประมาณ ฉันอาจจะมีข้อผิดพลาด term. asked เมษายน 7 12 ที่ 12 48.MA ประมาณการแบบให้เราสมมติชุดที่มี 100 จุดเวลาและบอกว่านี่คือลักษณะโดย MA 1 รุ่นที่ไม่มีการสกัดกั้นแล้วรูปแบบจะได้รับโดย . yt varepsilont - theta varepsilon, quad t 1,2, cdots, 100 quad 1. ข้อผิดพลาดที่นี่ไม่ได้รับการตรวจสอบเพื่อให้ได้สิ่งนี้ Box et al การคาดการณ์และการควบคุมการวิเคราะห์อนุกรมเวลาชุดที่ 3 หน้า 228 แนะนำว่ามีการคำนวณระยะเวลาข้อผิดพลาด recursively โดยดังนั้นระยะเวลาข้อผิดพลาดสำหรับ t 1 คือ varepsilon y theta varepsilon ตอนนี้เราไม่สามารถคำนวณได้โดยไม่ต้องรู้ค่าของ theta ดังนั้นเพื่อให้ได้สิ่งนี้เราจำเป็นต้องคำนวณการประมาณค่าเริ่มต้นหรือเบื้องต้นของรูปแบบให้ดูที่ Box et al. ของหนังสือเล่มนี้กล่าวว่ามาตรา 6 3 2 หน้า 202 รัฐที่ได้รับการแสดงให้เห็นว่าการเชื่อมโยงกันครั้งแรก q ของกระบวนการ MA q เป็นเลขฐานสิบหกและสามารถเขียนในรูปแบบของพารามิเตอร์ของรูปแบบเป็น rhok displaystyle frac theta1 theta theta2 theta cdots theta thetaq quad k 1,2, cdots, q การแสดงออกด้านบนสำหรับ rho1, rho2 cdots, rhoq ในเงื่อนไข theta1, theta2, cdots, thetaq, supplies q สมการใน q unknowns ค่าประมาณเบื้องต้นของ theta s สามารถหาได้โดยการแทนค่าประมาณ rk สำหรับ rhok ในสมการข้างต้นหมายเหตุ ที่ rk เป็นค่าประมาณความสัมพันธ์ (autocorrelation) มีการอภิปรายมากขึ้นในส่วนที่ 6 3 - ค่าเริ่มต้นสำหรับพารามิเตอร์โปรดอ่านที่ตอนนี้สมมติว่าเราได้ค่าประมาณเริ่มต้นแล้ว 0 5 จากนั้น varepsilon y 0 5 varepsilon ตอนนี้ปัญหาอื่นคือเราไม่ได้ มีค่าสำหรับ varepsilon0 เนื่องจาก t เริ่มต้นที่ 1 และดังนั้นเราจึงไม่สามารถคำนวณ varepsilon1 โชคดีที่มีสองวิธีที่สองได้รับนี้ภาวะ Likelihood โอกาสตามเงื่อนไขตาม Box และคณะมาตรา 7 1 3 หน้า 227 ค่าของ varepsilon0 สามารถใช้แทนได้ เป็นศูนย์ถ้าเป็นปานกลางหรือใหญ่วิธีนี้เป็นความเป็นไปได้ตามเงื่อนไขมิฉะนั้นจะใช้เงื่อนไข Likelihood ไม่มีเงื่อนไขโดยที่ค่าของ varepsilon0 จะได้รับโดยการคาดการณ์ย้อนหลัง Box et al แนะนำวิธีนี้อ่านเพิ่มเติมเกี่ยวกับการพยากรณ์หลังที่ส่วน 7 1 4 หน้า 231. หลังจากที่ได้รับการประมาณการและค่าเริ่มต้นของ varepsilon0 แล้วเราสามารถดำเนินการคำนวณเชิงประจักษ์ของคำผิดพลาดได้แล้วขั้นตอนสุดท้ายคือการ timate พารามิเตอร์ของรูปแบบ 1 จำนี้ไม่ได้ประมาณการเบื้องต้นอีกต่อไปในการประมาณค่า theta พารามิเตอร์ผมใช้ขั้นตอนการประมาณค่าไม่เชิงเส้นโดยเฉพาะอย่างยิ่งขั้นตอนวิธี Levenberg-Marquardt เนื่องจากโมเดล MA ไม่เป็นเชิงเส้นในพารามิเตอร์ของคำถามนี้มีอยู่แล้ว ตอบที่นี่สำหรับรูปแบบ ARIMA 0,0,1 ฉันเข้าใจว่า R ตามสมการ xt mu และ theta e t-1 โปรดแก้ไขฉันถ้าฉันผิดฉันถือว่า e t-1 เหมือนกับส่วนที่เหลือของครั้งล่าสุด สังเกต แต่วิธี et คำนวณตัวอย่างเช่นที่นี่มีสี่ข้อสังเกตแรกในข้อมูลตัวอย่าง 526 658 624 611 นี่คือพารามิเตอร์ Arima 0,0,1 รุ่นให้ intercept 246 1848 ma1 0 9893. และค่าแรกที่ R พอดีกับการใช้แบบจำลองคือ 327 0773 ฉันจะได้ค่าที่สองที่ฉันใช้ 246 1848 0 9893 526-327 0773 442 979 แต่ค่าติดตั้งครั้งที่ 2 ให้โดย R คือ 434 7928 สมมติว่าแตกต่างกันเนื่องจากระยะ et แต่ฉันไม่ทราบวิธีการคำนวณ et term. asked 28 กรกฎาคม 14 ที่ 16 12.marked เป็นซ้ำโดย Glenb Nick Stauner whuber 29 ก. ค. ที่ 1 24. คำถามนี้ได้รับการถามมาก่อนและมีคำตอบอยู่แล้วหากคำตอบเหล่านี้ไม่สามารถตอบคำถามของคุณได้อย่างเต็มที่โปรดตั้งคำถามใหม่คุณสามารถรับค่าติดตั้งตามที่คาดการณ์ขั้นตอนเดียวได้ อัลกอริทึมของนวัตกรรมดูตัวอย่างข้อ 5 5 2 ใน Brockwell and Davis downloable จากอินเทอร์เน็ตฉันพบภาพนิ่งเหล่านี้มันง่ายมากที่จะได้รับค่าติดตั้งเป็นความแตกต่างระหว่างค่าที่สังเกตได้และส่วนที่เหลือในกรณีนี้คำถามของคุณเดือดลง เพื่อให้ได้ส่วนที่เหลือให้ใช้ชุดข้อมูลนี้สร้างเป็นกระบวนการ MA 1 ส่วนที่เหลือคือหมวก t สามารถรับเป็นตัวกรองแบบ recursive ตัวอย่างเช่นเราสามารถหาค่าที่เหลือได้ ณ เวลา 140 เป็นค่าที่สังเกตได้ที่ 140 ลบค่าเฉลี่ยลบหมวกครั้งที่เหลือก่อนหน้า t 139 ตัวกรองฟังก์ชันสามารถใช้ในการคำนวณเหล่านี้คุณจะเห็นว่าผลที่ได้ใกล้เคียงกับส่วนที่เหลือโดยส่วนที่เหลือกลับมาแตกต่างกันในครั้งแรก อาจเป็นเพราะการเริ่มต้นบางอย่างที่ฉันอาจจะละเลยค่าพอดีเป็นเพียงค่าสังเกตลบที่เหลืออยู่ในทางปฏิบัติคุณควรใช้ฟังก์ชันที่เหลือและติดตั้ง แต่สำหรับวัตถุประสงค์ในการสอนคุณสามารถลองสมการ recursive ใช้ข้างต้นคุณสามารถ เริ่มต้นด้วยการทำตัวอย่างด้วยมือดังที่แสดงไว้ข้างต้นขอแนะนำให้คุณอ่านเอกสารเกี่ยวกับตัวกรองฟังก์ชันและเปรียบเทียบการคำนวณของคุณด้วยเมื่อคุณเข้าใจการทำงานที่เกี่ยวข้องกับการคำนวณส่วนที่เหลือและค่าที่พอดีคุณจะสามารถทำ การใช้งานที่มีความรู้ความสามารถในการปฏิบัติงานที่เหลือและติดตั้งคุณอาจพบข้อมูลอื่น ๆ ที่เกี่ยวข้องกับคำถามของคุณในบทความนี้ค่าเฉลี่ยเคลื่อนที่เชิงรุกอัตถิภาวนา - ARIMA. ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่แบบรวมอัตโนมัติ - ARIMA. A แบบจำลองการวิเคราะห์ทางสถิติที่ใช้ชุดเวลา ข้อมูลเพื่อคาดการณ์แนวโน้มในอนาคตเป็นรูปแบบหนึ่งของการวิเคราะห์การถดถอยที่พยายามจะคาดเดาการเคลื่อนไหวในอนาคตตามมุมมอง การสุ่มเลือกโดยหุ้นและตลาดการเงินโดยการตรวจสอบความแตกต่างระหว่างค่าในชุดแทนการใช้ค่าข้อมูลที่เกิดขึ้นจริงความล่าช้าของชุดข้อมูลที่แตกต่างกันจะเรียกว่าการล่วงประเวณีและการล่าช้าภายในข้อมูลที่คาดการณ์จะเรียกว่าค่าเฉลี่ยเคลื่อนที่ BREAKING DOWN ค่าเฉลี่ยเคลื่อนที่แบบอัตถดถอย - ARIMA แบบจำลองนี้โดยทั่วไปจะเรียกว่า ARIMA p, d, q โดยมีจำนวนเต็มหมายถึงค่าเฉลี่ยที่รวมและค่าเฉลี่ยเคลื่อนที่ของชุดข้อมูลตามลำดับการสร้างแบบจำลอง ARIMA สามารถพิจารณาแนวโน้มแนวโน้มรอบการใช้ฤดูกาล ข้อผิดพลาดและด้านที่ไม่เป็นนิ่งของชุดข้อมูลเมื่อทำการคาดการณ์