Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Quick Introduction to SSMMATLAB Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

2. Stationarity, VARMA, and ARIMA Models

verfasst von : Víctor Gómez

Erschienen in: Linear Time Series with MATLAB and OCTAVE

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Statistically speaking, a time seriesy is a finite set of values {y 1…, y n} taken by certain k-dimensional random vectors {Y 1…, Y n}. The proper framework in which to study time series is that of stochastic processes.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Quick Introduction to SSMMATLAB
Nächstes Kapitel VARMAX and Transfer Function Models
Literatur
Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19, 716–723.MathSciNetCrossRef
Barlett, M. S. (1955). Stochastic processes. Cambridge: Cambridge University Press.
Box, G. E. P., & Jenkins, G. M. (1976). Time series analysis: Forecasting and control (revised ed.). San Francisco: Holden-Day.
Box, G. E. P., & Tiao, G. C. (1975). Intervention analysis with applications to economic and environmental problems. Journal of the American Statistical Association, 70, 70–79.MathSciNetCrossRef
De Livera, A. M., Hyndman, R. J., & Snyder, R. D. (2011). Forecasting time series with complex seasonal patterns using exponential smoothing. Journal of the American Statistical Association,106, 1513–1527.MathSciNetCrossRef
Gómez, V. (2013). A strongly consistent criterion to decide between I(1) and I(0) processes based on different convergence rates. Communications in Statistics-Simulation and Computation,42, 1848–1864.MathSciNetMATH
Gómez, V. (2016). Multivariate time series models with linear state space structure. New York: Springer.MATH
Gómez, V., & Maravall, A. (1994). Estimation, prediction, and interpolation for nonstationary series with the Kalman filter. Journal of the American Statistical Association,89, 611–624.MathSciNetMATH
Gómez, V., & Maravall, A. (2001). Automatic modeling methods for univariate time series. In D. Peña, G. C. Tiao, & R. S. Tsay (Eds.), A course in time series analysis (pp. 171–201). New York: Wiley.
Gómez, V., Maravall, A., & Peña, D. (1999). Missing observations in arima models: Skipping approach versus additive outlier approach. Journal of Econometrics,88, 341–363.MathSciNetCrossRef
Hannan, E. J., & Rissanen, J.(1982). Recursive Estimation of Mixed Autoregressive–Moving Average Order. Biometrika,69(), 81–94.
Hillmer, S. C., Bell, W. R., & Tiao, G. C. (1983). Modeling considerations in the seasonal adjustment of economic time series. In A. Zellner (Ed.), Proceedings of the Conference on Applied Time Series Analysis of Economic Data, (pp. 74–100). U.S. Department of Commerce, Bureau of the Census.
Kitagawa, G., & Gersch, W. (1996). Smoothness priors analysis of time series. New York: Springer.CrossRef
Lütkepohl, H. (2005). New introduction to multiple time series analysis. Berlin: Springer.CrossRef
Nsiri, S., & Roy, R. (1996). Identification of refined ARMA echelon form models for multivariate time series. Journal of Multivariate Analysis,56, 207–231.MathSciNetCrossRef
Reinsel, G. C. (1997). Elements of Multivariate Time Series Analysis. New York: Springer.CrossRef
Tiao, G. C., & Box, G. E. P. (1981). Modeling multiple time series with applications. Journal of the American Statistical Association,76, 802–816.MathSciNetMATH
Tsay, R. S. (2014). Mutivariate time series analysis with r and financial applications. New York: Wiley.
Zellner, A. (1962). An efficient method of estimating seemingly unrelated regressions and tests of aggregation bias. Journal of the American Statistical Association,57, 348–368.MathSciNetCrossRef
Metadaten
Titel
Stationarity, VARMA, and ARIMA Models
verfasst von
Víctor Gómez
Copyright-Jahr
2019
Buch
Linear Time Series with MATLAB and OCTAVE

Print ISBN: 978-3-030-20789-2

Electronic ISBN: 978-3-030-20790-8

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-20790-8_2