Документация

Мультипликативная модель ARIMA

Много временных рядов периодически собираются (e.g., ежеквартально или ежемесячно), показывают сезонный тренд, означая, что существует отношение между наблюдениями, сделанными в тот же период в последовательных годах. В дополнение к этому сезонному отношению может также быть отношение между наблюдениями, сделанными в последовательные периоды. Мультипликативная модель ARIMA является расширением модели ARIMA, которая обращается к сезонности и потенциальным сезонным модульным корням [1].

В обозначении полинома оператора задержки, $$L^i{y}_t=y_{t-i}$$. Для ряда с периодичностью s, мультипликативный ARIMA (p, D, q) × (_ps, _Ds, _qs) _s дают

Здесь, устойчивая, степень полином оператора AR p $$\varphi (L)=(1-{\varphi }_{1}L-\dots -{\varphi }_p{L}^p)$$, и $$\Phi (L)$$ устойчивая, степень оператор AR _ps той же формы. Точно так же обратимая, степень полином оператора MA q $${\theta }_q(L)=(1+{\theta }_{1}L+\dots +{\theta }_q{L}^q)$$, и $$\Theta (L)$$ обратимая, степень оператор MA _qs той же формы.

Когда вы задаете мультипликативную модель ARIMA с помощью arima,

Несезонный оператор дифференцирования, $${(1-L)}^D$$ счета на нестационарность в наблюдениях сделаны в последовательные периоды. Сезонный оператор дифференцирования, $${(1-L^s)}^{D_s}$$, счета на нестационарность в наблюдениях сделаны в тот же период в последовательных годах. Econometrics Toolbox™ поддерживает только степени сезонного интегрирования _Ds = 0 или 1. Когда вы задаете s ≥ 0, Econometrics Toolbox устанавливает _Ds = 1. _Ds = 0 в противном случае.

Смотрите также

arima

Связанные примеры

• Несезонное и сезонное дифференцирование
• Мультипликативные технические требования модели ARIMA
• Укажите, что условное выражение означает модели
• Задайте мультипликативную модель ARIMA
• Сезонные эффекты задержки модели Используя переменные индикатора

Больше о

• Авторегрессивная модель скользящего среднего значения
• Модель ARIMA