Ряд xt содержит квадратичный тренд ("квадратичный тренд в данных"). Все это соответствует ситуации Н(г). [c.226]
Модели прогноза изучаемых экономических показателей по аналитическому выражению тренда и по методу Брауна для линейной и квадратичной тенденции представлены в табл.1. Здесь хе приведены и ошибки прогноза в абсолютном выражении. [c.75]
В случае квадратичного тренда а+/31+ взятие первой разности не приводит к стационарному ряду, но если взять вторую разность = (yt yt-i) (yt-i - J/t-2), то [c.288]
Нельзя всерьез ожидать, что спрос на телефоны или другие услуги будет всегда расти с постоянной скоростью. В зависимости от жизненного цикла услуги вместо линейной можно использовать квадратичную (y = a + bt + t2) или экспоненциальную (у = ае1") зависимость. Кроме того, тренды не объясняют, почему спрос изменяется именно так, а не иначе. [c.144]
Для сравнения по этим же рядам оценивались А/ОЯ в обычных авторегрессиях без константы, с константой, с константой и трендом, с константой и квадратичным трендом (TO, тс, T t, and тсн статистики соответственно). Эти регрессии имеют вид [c.57]
Ряды с квадратичным трендом. [c.138]
Надо рассмотреть еще и случай, когда по поведению траектории ряда можно подозревать наличие у него детерминированного квадратичного тренда.. Здесь наличие единственного единичного корня может осуществляться уже в форме трех различных DGP [c.138]
Квадратичный тренд может возникать и в моделях с двумя единичными корнями. Эта ситуация рассматривается далее в разд. 6.8.4. [c.138]
Последний случай гарантирует наличие квадратичного тренда в двух других случаях [c.139]
Н(г) в данных есть детерминированный квадратичный тренд в СЕ включаются константа и линейный тренд. [c.224]
Одним из важнейших понятий технического анализа является понятие тренда. Слово тренд - калька с английского trend (тенденция]. Однако точного определения тренда в техническом анализе не дается. И это не случайно. Дело в том, что тренд или тенденция временного ряда - это несколько условное понятие. Под трендом понимают закономерную, неслучайную составляющую временного ряда (обычно монотонную, т.е. либо возрастающую, либо убывающую], которая может быть вычислена по вполне определенному однозначному правилу. Тренд реального временного ряда часто связан с действием природных (например, физических] законов или каких-либо других объективных закономерностей. Однако, вообще говоря, нельзя однозначно разделить случайный процесс или временной ряд на регулярную часть (тренд) и колебательную часть (остаток]. Поэтому обычно предполагают, что тренд - это некоторая функция или кривая достаточно простого вида (линейная, квадратичная и т.п.], описывающая среднее поведение ряда или процесса. Если оказывается, что выделение такого тренда упрощает исследование, то предположение о выбранной форме тренда считается допустимым. В техническом анализе обычно предполагается, что тренд линеен (и его график - прямая линия] или кусочно линеен (и тогда его график - ломаная линия]. [c.29]
Как видно из таблицы и рисунков, мощность т-критерия в случае нелинейного тренда вида (1) в основном больше, чем в случае линейного тренда (не говоря уже о квадратичном). Почти на всём своём протяжении функция распределения TNL проходит между функциями для тс и T t- Однако при низких р-значениях, меньших 0.002, TNL < r t. Тем не менее, TNL остаётся большей, чем T tt. Хотя не исключено, что становится меньшей при очень низких р-значениях, меньше 0.00004, но в данной области слиш- [c.58]
В свою очередь, (Evans, 1996) рассматривал статистические свойства временного ряда логарифмов ВВП на душу населения, построенного на основе показателей дисперсии в каждый момент времени на всем рассматриваемом временном интервале. Если, как предсказывает неоклассическая теория роста, долгосрочные траектории ВВП на душу населения в странах (регионах) будут параллельными, то их ряд дисперсий должен быть стационарен относительно положительной константы. Если же ВВП на душу населения растут разными темпами, как предсказывает теория эндогенного роста, ряд дисперсий должен быть интегрированным первого порядка с внутренним квадратичным трендом. [c.44]
Ориентируясь на критерий Акаике, наилучшей следует признать модель Н(1) (квадратичный тренд в данных, в СЕ включаются константа и линейный тренд ранг коинтеграции равен 1) - для нее значение критерия минимально (равно 7.259633). Та же модель выбирается и критерием Шварца (для нее значение критерия равно [c.233]
В практических исследованиях в качестве модели тренда в основном используют следующие функции линейную у = ах + Ь квадратичную у = ах2 + Ьх + с степенную у = ах11 показательную у [c.14]