정상 자기회귀 이동평균 과정

2018. 3. 20. 22:29ML(머신러닝)/Time Series

자기 회귀 과정 AR(P) 를 따르는 Z_t 는 일반적으로


후진작용소 B 를 이용하면 AR(P) 요약가능


아무튼 결론적으로   의 근의 절대값이 1보다 커야한다.


만약 근이 "1" 이라면 차분을 해야한다. 


# 정상성 가정은 의 근이 절대값이 1보다 커야한다.


MA(moving average process)


# 가역성 조건 만족하려면  의 근이 절대값이 1보다 커야한다.



시계열 그림을 봐야하지만


그림으로는 AR , MA 를 구별할 수가 없다.  -> AIC, BIC SBC 로 판별을 통해 판단한다.



ARMA 의 경우 양쪽 AR , MA 의 가역성 정상성을 항상 고려해야한다. 


시계열도 

양의 상관성 -> 평균으로 천천히 옴

음의 상관성 -> 평균을 미친듯이 지나침

iid -> 적당히 평균을 지나감


ACF 천천히 -> 1. 차분할지 2. ARMA 를 쓸지



728x90

'ML(머신러닝) > Time Series' 카테고리의 다른 글

계절형 자기회귀 이동평균모형(SARIMA)  (0) 2018.04.09
ARIMA 모형의 적합  (0) 2018.03.25
단위근과 단위근 검정  (0) 2018.03.25
비정상 자기회귀 이동평균 과정  (0) 2018.03.20
시계열 자료  (0) 2018.03.20