В программе реализована широко признанная в мировой практике прогнозирования сезонная модель авторегрессии интегрированного скользящего среднего (сокращенно АРИСС, по имени создателей - модель Бокса-Дженкинса). [c.222]
В основе сезонных моделей лежат их несезонные аналоги, которые дополнены средствами отражения сезонных колебаний. Сезонные модели способны отражать как относительно постоянную сезонную волну, так и волну, динамически изменяющуюся в зависимости от тренда. Первая форма относится к классу аддитивных, а вторая - к классу мультипликативных моделей. Большинство моделей имеет обе эти формы. Наиболее широко в практике используются модели Хольта-Уинтерса, авторегрессии, модели Бокса-Дженкинса [15, 34]. [c.71]
После того как получен стационарный временной ряд, строятся его выборочные A F и PA F, которые, как было показано выше, являются своеобразными отпечатками пальцев ARMA(p, g) процесса и позволяют сформулировать несколько гипотез о возможных порядках авторегрессии (р) и скользящего среднего (д). Обычно рекомендуется использовать модели возможно более низкого порядка, как правило, с р + q S 3 (если нет сезонной компоненты). [c.299]
Если тесты показывают наличие автокорреляции остатков, это означает, что рассматриваемая ARMA модель не подходит, и ее надо модифицировать. Например, если в автокорреляционной функции отличны от нуля значения с номерами, кратными 4, то стоит попробовать ввести сезонную авторегрессию четвертого порядка. Если единственное отличающееся от нуля значение соответствует лагу, равному 4, можно попробовать ввести сезонный МА-член порядка 4. [c.307]