정상 자기회귀 이동평균 과정
2018. 3. 20. 22:29ㆍML(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 |