1990 | OriginalPaper | Buchkapitel
ARMA- und ARIMA-Modelle
verfasst von : Professor Dr. Bernd Schips
Erschienen in: Empirische Wirtschaftsforschung
Verlag: Gabler Verlag
Enthalten in: Professional Book Archive
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Kann eine vorliegende Zeitreihe x1, x2,…,xT, als Realisation eines schwach stationären stochastischen Prozesses angesehen werden, dann ist es entweder ein AR(p)-Prozess, ein MA(q)-Prozess oder eine Mischung aus einem schwach stationären autoregressiven Prozess Xt p-ter Ordnung des (mittelwertbereinigten) Outputs mit einem gleitenden Durchschnittsprozess q-ter Ordnung eines white-noise-Prozesses ut$$ {X_t}\, = \,{\delta _1}{X_{t - 1}}\, + \,{\delta _2}{X_{t - 2}}\,...\, + \,{\delta _p}{X_{t - p}}\, + \,{u_t}\, - \,{\theta _1}{u_{t - 1}}\, - \,{\theta _2}{u_{t - 2}} - ... - {\theta _q}{u_{t - q,}} $$ endliche Parameter sind.