首頁 > 廠商 > 問答 > ma模型，arma模型ar模型ma模型有什么本質(zhì)上的區(qū)別

ma模型，arma模型ar模型ma模型有什么本質(zhì)上的區(qū)別

來源：整理時(shí)間：2023-10-22 16:17:22 編輯：智能門戶手機(jī)版

1，arma模型ar模型ma模型有什么本質(zhì)上的區(qū)別

ar模型是建立當(dāng)前值和歷史值之間的聯(lián)系，ma模型是計(jì)算ar部分的誤差的累計(jì)，arma是兩者的和。

arma模型ar模型ma模型有什么本質(zhì)上的區(qū)別

2，如何判斷一個(gè)時(shí)間序列是ma模型

最后確定使其值最小的階數(shù)是模型的合適階數(shù)。模型參數(shù)最大似然估計(jì)時(shí)AIC=（按分析Analyze—時(shí)間序列Time series—ARIMA模型的順序展開如圖3.23對(duì)話框。

如何判斷一個(gè)時(shí)間序列是ma模型

3，時(shí)間序列模型MA能預(yù)測(cè)很長(zhǎng)的數(shù)據(jù)嗎

ma模型的預(yù)測(cè)值小于等于步長(zhǎng)，當(dāng)大于步長(zhǎng)時(shí)預(yù)測(cè)值恒等于序列均值，因?yàn)閙a（q）模型q步截尾。

做單位根檢驗(yàn)（主要方法是adf）通過采用差分、滯后等形式就可以發(fā)現(xiàn)平穩(wěn)的時(shí)間序列了不然可能出現(xiàn)數(shù)據(jù)偽回歸現(xiàn)象

時(shí)間序列模型MA能預(yù)測(cè)很長(zhǎng)的數(shù)據(jù)嗎

4，ARMA模型的MA模型

MA模型(moving average model)滑動(dòng)平均模型，模型參量法譜分析方法之一，也是現(xiàn)代譜估中常用的模型。用MA模型法求信號(hào)譜估計(jì)的具體作法是：①選擇MA模型，在輸入是沖激函數(shù)或白噪聲情況下，使其輸出等于所研究的信號(hào)，至少應(yīng)是對(duì)該信號(hào)一個(gè)好的近似。②利用已知的自相關(guān)函數(shù)或數(shù)據(jù)求MA模型的參數(shù)。③利用求出的模型參數(shù)估計(jì)該信號(hào)的功率譜。在ARMA參數(shù)譜估計(jì)中，大多數(shù)估計(jì)ARMA參數(shù)的兩步方法都首先估計(jì)AR參數(shù)，然后在這些AR參數(shù)基礎(chǔ)上，再估計(jì)MA參數(shù)，然后可求出ARMA參數(shù)的譜估計(jì)。所以MA模型參數(shù)估計(jì)常作為ARMA參數(shù)譜估計(jì)的過程來計(jì)算。

5，如何判斷arma過程是因果的還是可逆的

同問。。。

6，解答什么是ARMA模型

ARMA模型概述　　ARMA 模型（Auto-Regressive and Moving Average Model）是研究時(shí)間序列的重要方法，由自回歸模型（簡(jiǎn)稱AR模型）與滑動(dòng)平均模型（簡(jiǎn)稱MA模型）為基礎(chǔ)“混合”構(gòu)成。在市場(chǎng)研究中常用于長(zhǎng)期追蹤資料的研究，如：Panel研究中，用于消費(fèi)行為模式變遷研究；在零售研究中，用于具有季節(jié)變動(dòng)特征的銷售量、市場(chǎng)規(guī)模的預(yù)測(cè)等。 ARMA模型三種基本形式　　1.自回歸模型（AR：Auto-regressive）；　　如果時(shí)間序列yt滿足　　其中εt是獨(dú)立同分布的隨機(jī)變量序列，且滿足：　　E(εt) = 0　　　　則稱時(shí)間序列為yt服從p階的自回歸模型。　　自回歸模型的平穩(wěn)條件：　　滯后算子多項(xiàng)式的根均在單位圓外，即φ(B) = 0的根大于1。　　2.移動(dòng)平均模型（MA：Moving-Average）　　如果時(shí)間序列yt滿足　　則稱時(shí)間序列為yt服從p階移動(dòng)平均模型；　　移動(dòng)平均模型平穩(wěn)條件：任何條件下都平穩(wěn)。　　3.混合模型（ARMA：Auto-regressive Moving-Average）如果時(shí)間序列yt滿足：　　則稱時(shí)間序列為yt服從(p,q)階自回歸滑動(dòng)平均混合模型。　　　或者記為φ(B)yt = θ(B)εt [編輯] ARMA模型的基本原理　　將預(yù)測(cè)指標(biāo)隨時(shí)間推移而形成的數(shù)據(jù)序列看作是一個(gè)隨機(jī)序列，這組隨機(jī)變量所具有的依存關(guān)系體現(xiàn)著原始數(shù)據(jù)在時(shí)間上的延續(xù)性。一方面，影響因素的影響，另一方面，又有自身變動(dòng)規(guī)律，假定影響因素為x1，x2，…，xk，由回歸分析，　　　　其中Y是預(yù)測(cè)對(duì)象的觀測(cè)值， e為誤差。作為預(yù)測(cè)對(duì)象Yt受到自身變化的影響，其規(guī)律可由下式體現(xiàn)，　　　　誤差項(xiàng)在不同時(shí)期具有依存關(guān)系，由下式表示，　　　　由此，獲得ARMA模型表達(dá)式：　　

詳見： http://wiki.mbalib.com/wiki/ARMA%E6%A8%A1%E5%9E%8B

ARMA 模型（Auto-Regressive and Moving Average Model）是研究時(shí)間序列的重要方法，由自回歸模型（簡(jiǎn)稱AR模型）與滑動(dòng)平均模型（簡(jiǎn)稱MA模型）為基礎(chǔ)“混合”構(gòu)成。在市場(chǎng)研究中常用于長(zhǎng)期追蹤資料的研究，如：Panel研究中，用于消費(fèi)行為模式變遷研究；在零售研究中，用于具有季節(jié)變動(dòng)特征的銷售量、市場(chǎng)規(guī)模的預(yù)測(cè)等。ARMA模型三種基本形式　　1.自回歸模型（AR：Auto-regressive）；　　如果時(shí)間序列yt滿足　　其中εt是獨(dú)立同分布的隨機(jī)變量序列，且滿足：　　E(εt) = 0　　　　則稱時(shí)間序列為yt服從p階的自回歸模型。　　自回歸模型的平穩(wěn)條件：　　滯后算子多項(xiàng)式的根均在單位圓外，即φ(B) = 0的根大于1。　　2.移動(dòng)平均模型（MA：Moving-Average）　　如果時(shí)間序列yt滿足　　則稱時(shí)間序列為yt服從p階移動(dòng)平均模型；　　移動(dòng)平均模型平穩(wěn)條件：任何條件下都平穩(wěn)。　　3.混合模型（ARMA：Auto-regressive Moving-Average）如果時(shí)間序列yt滿足：　　則稱時(shí)間序列為yt服從(p,q)階自回歸滑動(dòng)平均混合模型。　　　或者記為φ(B)yt = θ(B)εt ARMA模型的基本原理　　將預(yù)測(cè)指標(biāo)隨時(shí)間推移而形成的數(shù)據(jù)序列看作是一個(gè)隨機(jī)序列，這組隨機(jī)變量所具有的依存關(guān)系體現(xiàn)著原始數(shù)據(jù)在時(shí)間上的延續(xù)性。一方面，影響因素的影響，另一方面，又有自身變動(dòng)規(guī)律，假定影響因素為x1，x2，…，xk，由回歸分析，　　其中Y是預(yù)測(cè)對(duì)象的觀測(cè)值， e為誤差。作為預(yù)測(cè)對(duì)象Yt受到自身變化的影響，其規(guī)律可由下式體現(xiàn)，　　誤差項(xiàng)在不同時(shí)期具有依存關(guān)系，由下式表示，　　由此，獲得ARMA模型表達(dá)式：　　