Построение краткосрочного прогноза в рамках адаптивной модели

дипломная работа

2.3 Идентификация модели ARIMA в системе STATISTICA

В модели ARIMA имеются следующие типы параметров: d - порядок разности, р - порядок авторегрессии, q- порядок скользящего среднего. Идентифицировать модель ARIMA - значит определить эти параметры.

Различают идентификацию порядка разности модели ARIMA - d и идентификацию стационарного процесса или порядка смешанной модели -параметров р, q. Идентификация является достаточно грубой процедурой, в которой получают прикидочные значения порядка модели. Довольно типично получение на этапе идентификации нескольких приемлемых моделей, которые с достаточной степенью точности подходят к наблюдаемым данным и в дальнейшем подвергаются детальному рассмотрению. Основным критерием идентификации является поведение автокорреляционной и частной автокорреляционной функции ряда. Но в действительности эти функции не известны, и мы имеем дело с их более или , менее точными оценками - выборочными автокорреляционными и частными автокорреляционными функциями. Графики и численные значения автокорреляционной и частной автокорреляционной функции являются основным инструментом идентификации модели ARIMA. Анализируя графики и, если необходимо, рассматривая численные значения, проводим идентификацию модели. Вначале рассмотрим идентификацию порядка разности модели.

Делись добром ;)