- Author
- Nazarko Joanicjusz (Politechnika Białostocka), Rybaczuk Mikołaj (Politechnika Białostocka), Jurczuk Arkadiusz (Politechnika Białostocka)
- Title
- Wpływ poziomu zakłóceń losowych na możliwość identyfikacji modeli ARIMA
Influence of Random Noise on An Identification of ARIMA Models - Source
- Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia (12), 2005, nr 1076, s. 238-247, rys., tab., bibliogr. 2 poz.
- Issue title
- Klasyfikacja i analiza danych - teoria i zastosowania
- Keyword
- Modele ARIMA, Eliminacja parametrów zakłóceń
Autoregressive integrated moving average (ARIMA) models, Elimination of interference parameters - Note
- summ.
- Abstract
- Ważną klasę modeli szeregów czasowych są modele: autoregresyjne, średniej ruchomej oraz mieszane modele autoregresyjne i średniej ruchomej. Są one stosowane do modelowania i prognozowania na podstawie stacjonarnych szeregów czasowych. Metody szacowania parametrów takich modeli szeregów czasowych są zawarte w dostępnych programach statystycznych i ekonometrycznych. W modelach ARIMA bardzo ważnym etapem analizy szeregów, poprzedzającym estymację parametrów, jest identyfikacja rodzaju i rzędu modelu przeprowadzana na podstawie wzorców generycznych oraz wiedzy eksperckiej analityka. Pomiary sygnałów stochastycznych są obarczone zwykle losowymi błędami. Poziom błędów losowych pomiaru, akceptowalny ze względu na rozpoznawalność mierzonego sygnału, zależy od amplitudy wahań sygnału i jego charakteru. Biorąc pod uwagę specyfikę modelowania szeregów metodą Воха-Jenkinsa, postanowiono ocenić stopień wpływu zakłóceń losowych (błędów losowych pomiaru) o charakterze białego szumu o różnym poziomie wariancji na identyfikowalność postaci modeli oraz jakość estymacji parametrów szeregów: autoregresyjnych - ARIMA(1,0,0), średniej ruchomej - ARIMA(0,0,1) oraz mieszanych - ARIMA(1,0,1). (fragment tekstu)
The main problem of time series modelling with ARIMA models is to identify class (autoregression, moving average, autoregression and moving average) and their order. The basis for the identifying is an analysis of plot of autocorrelation (AC) and partial correlation functions (PAC). The paper presents results of simulation research on influence of white noise presence and its variance level on identification of basic ARIMA models. The effect of noise variance level on a quality of estimation of ARIMA models has been also presented in the paper. It has been considered that possibility of correct identification and estimation strongly depends on presence and variance of a random noise. (original abstract) - Accessibility
- The Main Library of the Cracow University of Economics
The Library of Warsaw School of Economics
The Main Library of Poznań University of Economics and Business - Full text
- Show
- Bibliography
-
- Box G.E.P., Jenkins G.M., Analiza szeregów czasowych. Prognozowanie i sterowanie, PWN, Warszawa 1983.
- Hanke J.E., Reitsch A.G., Wiehern D.W., Business Forecasting, Prentice Hall Inc., New Jersey 2001.
- Cited by
- ISSN
- 0324-8445
1505-9332 - Language
- pol
