正在加载图片...
将纯AR(p)与纯MA(q)结合,得到一个一般的自回归移动 平均( autoregressive moving average)过程ARMA(pq) X=01X1+q2X:2+…+pXp+et-611-0212 0 该式表明: (1)一个随机时间序列可以通过一个自回归移动平均过 程生成,即该序列可以由其自身的过去或滞后值以及随 机扰动项来解释 (2)如果该序列是平稳的,即它的行为并不会随着时间 的推移而变化,那么我们就可以通过该序列过去的行为 来预测未来。 这也正是随机时间序列分析模型的优势所在将纯AR(p)与纯MA(q)结合,得到一个一般的自回归移动 平均(autoregressive moving average)过程ARMA(p,q): Xt =1Xt-1+ 2Xt-2 + … + pXt-p + t - 1t-1 - 2t-2 -  - qt-q 该式表明: (1)一个随机时间序列可以通过一个自回归移动平均过 程生成,即该序列可以由其自身的过去或滞后值以及随 机扰动项来解释。 (2)如果该序列是平稳的,即它的行为并不会随着时间 的推移而变化,那么我们就可以通过该序列过去的行为 来预测未来。 这也正是随机时间序列分析模型的优势所在
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有