100 likes | 293 Views
BOX – JENKINSOVE MODELY. AR – autoregres ívne čisté MA – moving average modely ARMA – zmiešané modely ARIMA – integrované modely (S)ARIMA – sezónne a veľa iných kombinácii. Čisté autoregresívne modely. Modelovanie pre stacionárne ČR
E N D
BOX – JENKINSOVE MODELY • AR – autoregresívne čisté • MA – moving average modely • ARMA – zmiešané modely • ARIMA – integrované modely • (S)ARIMA – sezónne • a veľa iných kombinácii
Čisté autoregresívne modely Modelovanie pre stacionárne ČR yt = f(yt-1,yt-2,yt-3 ,...) + et pôvodný ČR: yt = F0 + F1 . yt-1 + F2 . yt-2 + F3 . yt-3 + ... + Fp . yt-p + et centrovaný ČR: yt – m= F1 . (yt-1 – m) +F2 . (yt-2 – m) + ... +Fp . (yt-p – m) + et Fi– autoregresné koeficienty
et- náhodná fluktuácia s 0 stred. Hodnotou, s konšt.rozptylom F0– nie je stredná hodnota m= E(yt) = E(F0 + Fi . yt-1 + ...) + et m=F0 / [1- (F1 + F2 + ... Fp) ] S Fi <= 1 ACF: Nemá identifikačný bod, priebeh exponenciálne klesajúci alebo s exponenciálnymi klesajúcimi amplitúdami. PACF: Má identifikačný bod k0 = p; pre p = 1, 2; rKK= 0; Pre všetky k > p
Moving average - závislosť na náhodných chybách, snaží sa modelovať náhodné šoky yt = q0 + et+ q1.et-1 + q2.et-2 + . . . + qq.et-q q – počet odhadovaných parametrov q-m et– chyby v čase ACF: Má identifikačný bod k0 = q; pre q = 1, 2; rK= 0; Pre všetky k > q
PACF: Nemá identifikačný bod, priebeh exponenciálne Klesajúcialebo s exponenciálnymi klesajúcimi amplitúdami.
ARMA modely Zmiešaný stacionárny model yt = F0 + F1 . yt-1 + F2 . yt-2 + F3 . yt-3 + ... + Fp . yt-p + q0 + et+ q1.et-1 + q2. et-2 + . . . + qq.et-q Podmienka stacionarity /F1/ < 1 q0= m
ACF: Nemá identifikačný bod, má po 1. p,q hodnotáchpriebeh exponenciálne klesajúci alebo sexponenciálnymi klesajúcimi amplitúdami. PACF: Nemá identifikačný bod, má po 1. p,q Hodnotáchpriebeh exponenciálne klesajúci alebo sexponenciálnymi klesajúcimi amplitúdami.
ARIMA modely - integrované nestacionárne modely - aplikujú sa na ČR s meniacou sa úrovňou v jednotlivých časových periódach diferencovaním určitého rádu je možné transformovať na stacionárne D yt = yt – yt-1 D2yt= D t - D t-1
(S)ARIMA modely sezónnosť (p,d,q) x (P,D,Q) Verifikácia modelu: 1. koeficienty: smerodajná odchýlka, p – value, t –value 2. reziduá est et=et t = 1, 2, 3, . . . cez autokorelačnú funkciu 3. PORTMANTEAU test Súhrnne hodnotí biely šum, odhaduje rozptyl bieleho šumu aby bol čo najmenší.
H0: Reziduá predstavujú biely šum = sú náhodne usporiadané ak: H0 zamietame na hladine a.