АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

ВРЕМЕННЫЕ РЯДЫ: СТАЦИОНАРНОСТЬ

Читайте также:
  1. II. ВРЕМЕННЫЕ ПРОТИВОПОКАЗАНИЯ
  2. VI. Современные методы текстологии
  3. А.П. Цыганков. Современные политические режимы: структура, типология, динамика. (учебное пособие) Москва. Интерпракс, 1995.
  4. Введение. СОВРЕМЕННЫЕ ИДЕИ РАВЕНСТВА И ПСИХОЛОГИЧЕСКИЕ ОСНОВЫ ИСТОРИИ
  5. Введение. Современные идеи равенства и психологические основы истории
  6. Вопрос. Конституционная реформа в России в конце 80 – начале 90-х годов 20 века. Современные перспективы конституционной реформы в России.
  7. Временные лаги и трудности прогнозирования
  8. Временные противопоказания
  9. ВРЕМЕННЫЕ ПРОТИВОПОКАЗАНИЯ
  10. Временные, пространственные, рыночные характеристики ценных бумаг.
  11. Динамические (временные) ряды

269. Что означает, что временной ряд является стационарным?

Это означает, что теоретическое математическое ожидание и теоретическая дисперсия такого ряда не зависят от времени, а также если теоретическая ковариация между его значениями в моменты времени t и t+s зависит от s, но не от времени.

Пример такого ряда: процесс автокорреляции первого порядка AR (1)

Xt = β2*Xt-1 + εt (при -1<β2<1)

270. Какие основные виды нестационарности могут наблюдаться во временном ряде?

1) Случайное блуждание (β2=1):

a) частный случай (без константы): Xt = Xt-1 + εt

б) случайное блуждание с дрейфом: Xt = β1 + Xt-1 + εt

2) Детерминированный тренд (это ряд, включающий временной тренд):

Xt = β1 + β2*t + εt

271. Почему ряд, обладающий трендом, не является стационарным?

Потому что математическое ожидание такого ряда будет зависеть от переменной времени:

матем.ожид-е Xt в момент времени t будет равно β1 + β2*t, т.е. зависеть от t.

272. Каковы правила использования теста Дики-Фуллера для проверки временного ряда

на стационарность?

Стандартный тест ДФ основан на модели: Xt = β1 + β2*Xt-1 + γ*t + εt (проверяется стационарность именно этой модели)

Чтобы это сделать делается преобразование:

∆Xt = β1 + (β2-1)*Xt-1 + γ*t + εt

Но: нестационарность временного ряда. Возможны 2 ее варианта: 1) Но: β2-1 (ряд Xt является случайным блужданием, но при этом стационареным в разностях); 2) Но: γ = 0 (Xt является детерминированным трендом, при этом присутствует трендовая стационарность)

Рассчитываются соответствующие t статистики. Критические значения t стат-к для теста ДФ имеет нестандартное распределение. Есть таблица критических значений, предложенная МакКинноном и Дэвидсоном.

Если t > tcrit то гипотеза нестационарности ряда отвергается.

(?)273. Что является нулевой гипотезой при применении теста Дики-Фуллера?

Но: нестационарность временного ряда. Возможны 2 ее варианта: 1) Но: β2-1 (ряд Xt является случайным блужданием, но при этом стационареным в разностях); 2) Но: γ = 0 (Xt является детерминированным трендом, при этом присутствует трендовая стационарность)

(?)274. Какие табличные значения использует тест Дики-Фуллера?

Таблица критических значений для больших выборок МакКиннона и Дэвидсона.

Что делать, если временной ряд не обладает стационарностью?

Нужно найти такую модель, которая позволяла бы предотвратить оценивание кажущихся зависимостей. Возможно три варианта:

1. Устранение тренда переменных (включение времени как регрессора в модель)

2. Вычисление разностей (первые разности – прирост, вторые – изменение приростов) Главный недостаток метода – это препятствует вычислению долговременных зависимостей

3. Построение моделей с коррекцией ошибок

 

Как временной ряд может быть «очищен» от временного тренда?

Посредством включения времени как регрессора в модель (метод не подходит, если переменные стационарны в разностях, например процесс случайных блужданий)

 

АВТОКОРРЕЛЯЦИЯ


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | 76 | 77 | 78 | 79 | 80 | 81 | 82 | 83 | 84 | 85 | 86 | 87 | 88 | 89 | 90 | 91 | 92 | 93 | 94 | 95 | 96 | 97 | 98 | 99 | 100 | 101 | 102 | 103 | 104 | 105 | 106 | 107 | 108 | 109 | 110 | 111 | 112 | 113 | 114 | 115 | 116 | 117 | 118 | 119 | 120 | 121 | 122 | 123 | 124 | 125 | 126 | 127 | 128 | 129 | 130 | 131 | 132 | 133 | 134 | 135 | 136 | 137 | 138 | 139 | 140 | 141 | 142 | 143 | 144 | 145 | 146 | 147 | 148 | 149 | 150 | 151 | 152 | 153 | 154 | 155 | 156 | 157 | 158 | 159 | 160 | 161 | 162 | 163 | 164 | 165 | 166 | 167 | 168 | 169 | 170 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.)