ARMA模型(英語:Autoregressive moving average model,全稱:自我迴歸滑動平均模型)。是研究时间序列的重要方法,由自迴歸模型(简称AR模型)与移动平均模型(简称MA模型)为基础“混合”构成。在市场研究中常用于长期追踪资料的研究,如:Panel研究中,用于消费行为模式变迁研究;在零售研究中,用于具有季节变动特征的销售量、市场规模的预测等。
arma模型, 英語, autoregressive, moving, average, model, 全稱, 自我迴歸滑動平均模型, 是研究时间序列的重要方法, 由自迴歸模型, 简称ar模型, 与移动平均模型, 简称ma模型, 为基础, 混合, 构成, 在市场研究中常用于长期追踪资料的研究, panel研究中, 用于消费行为模式变迁研究, 在零售研究中, 用于具有季节变动特征的销售量, 市场规模的预测等, 目录, 自我迴歸ar, 模型, 移动平均ma, 模型, arma, 模型, arma滞后算子表示法, 相關條. ARMA模型 英語 Autoregressive moving average model 全稱 自我迴歸滑動平均模型 是研究时间序列的重要方法 由自迴歸模型 简称AR模型 与移动平均模型 简称MA模型 为基础 混合 构成 在市场研究中常用于长期追踪资料的研究 如 Panel研究中 用于消费行为模式变迁研究 在零售研究中 用于具有季节变动特征的销售量 市场规模的预测等 目录 1 自我迴歸AR p 模型 2 移动平均MA q 模型 3 ARMA p q 模型 3 1 ARMA滞后算子表示法 4 相關條目自我迴歸AR p 模型 编辑X t c i 1 p f i X t i e t displaystyle X t c sum i 1 p varphi i X t i varepsilon t nbsp 自回归模型描述的是当前值与历史值之间的关系 其中 c displaystyle c nbsp 是常數項 e t displaystyle varepsilon t nbsp 被假設為平均數等於0 標準差等於s displaystyle sigma nbsp 的隨機誤差值 e t displaystyle varepsilon t nbsp 被假設為對於任何的t displaystyle t nbsp 都不變 移动平均MA q 模型 编辑X t m e t i 1 q 8 i e t i displaystyle X t mu varepsilon t sum i 1 q theta i varepsilon t i nbsp 移动平均模型描述的是自回归部分的误差累计 其中 m 是序列的均值 81 8q 是参数 et et 1 et q 都是 白噪声 ARMA p q 模型 编辑ARMA p q 模型中包含了p個自回归项和q個移动平均项 ARMA p q 模型可以表示为 X t c e t i 1 p f i X t i j 1 q 8 j e t j displaystyle X t c varepsilon t sum i 1 p varphi i X t i sum j 1 q theta j varepsilon t j nbsp ARMA滞后算子表示法 编辑 有时ARMA模型可以用滞后算子 Lag operator L displaystyle L nbsp 来表示 L i X t X t i displaystyle L i X t X t i nbsp 这样AR p 模型可以写成为 e t 1 i 1 p f i L i X t f L X t displaystyle varepsilon t left 1 sum i 1 p varphi i L i right X t varphi L X t nbsp 其中f displaystyle varphi nbsp 表示多项式 f L 1 i 1 p f i L i displaystyle varphi L 1 sum i 1 p varphi i L i nbsp MA q 模型可以写成为 X t 1 i 1 q 8 i L i e t 8 L e t displaystyle X t left 1 sum i 1 q theta i L i right varepsilon t theta L varepsilon t nbsp 其中8 表示多项式 8 L 1 i 1 q 8 i L i displaystyle theta L 1 sum i 1 q theta i L i nbsp 最后 ARMA p q 模型可以表示为 1 i 1 p f i L i X t 1 i 1 q 8 i L i e t displaystyle left 1 sum i 1 p varphi i L i right X t left 1 sum i 1 q theta i L i right varepsilon t nbsp 或者 f L X t 8 L e t displaystyle varphi L X t theta L varepsilon t nbsp 若f L 1 displaystyle varphi L 1 nbsp 则ARMA过程退化为MA q 过程 若8 L 1 displaystyle theta L 1 nbsp 则ARMA过程退化为AR p 过程 相關條目 编辑自迴歸模型 AR模型 向量自回归模型 VAR模型 差分自回歸滑動平均模型 ARIMA模型 格蘭傑因果關係 Granger Causality 取自 https zh wikipedia org w index php title ARMA模型 amp oldid 69866636, 维基百科,wiki,书籍,书籍,图书馆,