Авторегрессивное интегрированное скользящее среднее значение (ARIMA), процесс генерирует неустановившиеся ряды, которые интегрированы порядка D, обозначило I (D). Неустановившийся I (D), процесс является тем, который может быть сделан стационарным путем взятия различий D. Такие процессы часто называются процессы unit root или difference-stationary.
Ряд, который можно смоделировать как стационарный ARMA (p, q) процесс будучи differenced временами D, обозначается ARIMA (p, D, q). Форма ARIMA (p, D, q) модель в Econometrics Toolbox™
(1) |
В обозначении оператора задержки, . Можно записать ARIMA (p, D, q) модель как
(2) |
Знаки коэффициентов в AR изолируют полином оператора, , напротив правой стороны уравнения 1. При определении и интерпретации коэффициентов AR в Econometrics Toolbox, используйте форму в уравнении 1.
В исходной методологии Поля-Jenkins, вы различие интегрированный ряд, пока это не является стационарным перед моделированием. Затем вы моделируете differenced ряд как стационарный ARMA (p, q) процесс [1]. Подгонки Econometrics Toolbox и прогнозы ARIMA (p, D, q) процессы непосредственно, таким образом, вам не нужно к данным о различии прежде, чем смоделировать (или прогнозы backtransform).
[1] Поле, G. E. P. Г. М. Дженкинс и Г. К. Рейнсель. Анализ timeseries: Прогнозирование и Управление. 3-й редактор Englewood Cliffs, NJ: Prentice Hall, 1994.