当前位置:   article > 正文

自回归滑动平均(Auto Regressive Moving Average Model,ARMA)模型_自回归滑动平均模型

自回归滑动平均模型

在有些应用中,我们需要高阶的AR或MA模型才能充分地描述数据的动态结构,这样问题会变得很繁琐。为了克服这个困难,提出了自回归滑动平均(ARMA)模型。
基本思想是把AR和MA模型结合在一起,使所使用的参数个数保持很小。

模型的形式为:

 

其中,{at}为白噪声序列,p和q都是非负整数。AR和MA模型都是ARMA(p,q)的特殊形式。

利用向后推移算子B,上述模型可写成:

 


(后移算子B,即上一时刻)
这时候我们求rt的期望,得到:


和AR模型一毛一样。因此有着相同的特征方程:


该方程所有解的倒数称为该模型的特征根,如果所有的特征根的模都小于1,则该ARMA模型是平稳的。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Guff_9hys/article/detail/806462
推荐阅读
相关标签
  

闽ICP备14008679号