Процесс авторегрессионного интегрированного скользящего среднего (ARIMA) генерирует нестационарные ряды, которые интегрированы порядка D, обозначенного I (D). Нестационарным I (D) процессом является процесс, который можно сделать неподвижным, принимая различия D. Такие процессы часто называют разностно-стационарными или единичными корневыми процессами.
Серия, которую можно моделировать как стационарный процесс ARMA (p, q) после разностного D-времени, обозначается ARIMA (p, D, q). Форма модели ARIMA (p, D, q) в Econometrics Toolbox™
| (1) |
В нотации оператора запаздывания − i. Модель ARIMA (p, D, q) можно записать как
| = c + | (2) |
Знаки коэффициентов в многочлене оператора AR-запаздывания, (противоположны правой части уравнения 1. При определении и интерпретации коэффициентов AR в Econometrics Toolbox используйте форму в уравнении 1.
Примечание
В оригинальной методологии Бокса-Дженкинса перед моделированием вы различаете интегрированную серию до тех пор, пока она не станет неподвижной. Затем вы моделируете разностный ряд как стационарный процесс ARMA (p, q) [1]. Econometrics Toolbox подгоняет и прогнозирует процессы ARIMA (p, D, q) напрямую, поэтому не нужно изменять данные до моделирования (или обратного преобразования прогнозов).
[1] Бокс, Г. Э. П., Г. М. Дженкинс и Г. К. Рейнсель. Анализ временных рядов: прогнозирование и контроль. 3-й ред. Энглвуд Клиффс, Нью-Джерси: Прентис Холл, 1994.