Составители:
Рубрика:
мирования (аналог интегрирования), обратный оператору . Этим объясняется
наличие слова «проинтегрированного» в названии модели.
∇
8. Методика построения ARIMA-модели по временному ряду
Общий подход предложенный Боксом и Дженкинсом [2], представлен
схемой на рис.2.
Первый этап моделирования —
выбор (постулирование) общего клас-
са моделей. В данном случае это
класс ARIMA-моделей.
Второй этап — идентификация
пробной модели. Под идентификаци-
ей модели понимают определение
подкласса моделей, наиболее подхо-
дящего для описания процесса. В
данном случае выбор подкласса —
это выбор конкретных значений ве-
личин p, d, q (на этом этапе делаются также грубые оценки параметров
θ
,
θ
,
…,
θ ,
φ
,
φ
, …, φ , и µ). Выбор подкласса осуществляется, главным обра-
зом, на основе анализа автокорреляционной функции наблюдаемого ряда
1 2
q 1 2 p
2
σ
12
.
Обычно редко используются модели, для которых хотя бы одна из величин
p, d, q больше 2. Не следует без необходимости выбирать слишком большое
значение d, т.к. это приводит к менее стабильным оценкам параметров модели.
Рис.2. Схема построения модели по вре-
менному ряду (приводится по [2]).
Третий этап — оценивание (подгонка) параметров пробной модели. На
этом этапе с помощью специальных численных процедур по наблюдаемым
можно было экономично (при помощи небольшого числа параметров) описать наблюдаемый
процесс и вида (4), и вида (6), и смешанный.
12
Так, если она спадает экспоненциально, то следует выбрать
p
= 1,
q
= 0; если она имеет
большое значение при задержке, равной 1, и равна нулю для других значений, то следует ис-
пользовать значения
p
= 0,
q
= 1 и т.д.
13
Страницы
- « первая
- ‹ предыдущая
- …
- 11
- 12
- 13
- 14
- 15
- …
- следующая ›
- последняя »
