موضوعات حوزه زمان اضافه
دراین فصل مطالبی خاص و مدرن درباره حوزه زمانی ارائه میکنیم. فصل 6 به یکی از جالبترین ومفیدترین موضوعات درباره حوزه زمانی، مدلهای فضای حالتها اختصاص دارد. بنابراین ما دراین فصل درمورد مدلهای فضای حالتها وموضوعات مربوط به آن که بسیارهستند بحث خواهیم کرد. این فصل شامل بخشهایی از موضوعات مستقل است که به ترتیب مورد بررسی قرارمی گیرد. اغلب این بخشها به دانش اولیه مرتبط با مدلهای ARMA وپیشگویی وبرآورد مربوط میشوند. برای مثال، بخش اول مربوط به مدلهای مستمرمستلزم اطلاعات اندکی درباره آنالیز طیفی مربوط میشود. علاوه برمدل ARMA، ما درباره مدلهای GARCH ومدلهای آستانه ای، رگراسیون با خطاهای خود همبستگی، رگراسیون فاصله داریا توابع انتقالی (تبدیلی) وموضوعات انتخابی درمدلهای ARMA بحث خواهیم کرد.
2-5 مستمرمدلهای ARMA
فرآیند متداول (P,q) ARMA اغلب به دلیل ضرایب این نمایش به یک فرآیند حافظه کوتاه مدت اشاره دارد.
که از راه حل
به دست میآید. این نتیجه دلالت براین دارد که
فرآیند حافظه کوتاه مدت اگر
به طورتصاعدی زیاد میشود. زمانیکه AcF
نمونه ای یک سری طمانی بطور آهسته کاهش مییابد اولین تفاوت لگاریتم
دادههایی که بعنوان میانگین متحرک مرتبه اول نشان داده شدهاند نشانگراین
است که آنالیز بیشتراین مانده ها منتهی شده به قرارگیری یک مدل
درحالیکه ما میدانیم Xt سری وارون لگاریتم تبدیلی است و به طورویژه و برآوردهای این پارامترها (و انحراف استاندارد) بودند. استفاده
تفاضل
اولیه میتواند دریک تغییربسیارزیاد بدین مفهوم باشد که یک مدل غیرثابت
ممکن است تفاوت بیش از اندازه یک فرآیند اولیه را نشان دهد. سری زمانی
مستمرتوسط هاسکین (1981) وگرانگروجویکس (1980) ارائه شد بعنوان توافقات
واسطه بین مدلهای نوع ARMA زمان کم و فرآیندهای متحرک انتگرالگیری دررده باکس – جینکنیز قرارگرفت. آسانترین راه برای ایجاد یک سری زمانی مستمربکارگیری
عملگرتفاضلی برای مقادیرکسری d است یعنی 0 باشد بنابراین یک سری زمانی مستمراولیه بوجود میآید از طریق
درحالیکه wt با
واریانس هنوز به لوحه سفید اشاره دارد. تفاضل فرآیند اولیه همانند روش باکس – جینگیز، ممکن است بسادگی تعیین یک مقدار d=1 باشد.