AR1 Majme naprklad funkciu spotreby Rezidu ale obsahuj

AR(1) Majme napríklad funkciu spotreby: Reziduá ale obsahujú auokoreláciu prvého stupňa: 25. 12. 2021 Ekonometria 1

AR(p) Majme funkciu spotreby: Reziduá ale obsahujú hlbšiu autokorelačnú štruktúru: 25. 12. 2021 Ekonometria 2

MA(1) Majme znova funkciu spotreby: Reziduá sa dajú vyjadriť ako kĺzavý priemer predikčných chýb: 25. 12. 2021 Ekonometria 3

MA(q) Majme znova funkciu spotreby: Reziduá sa dajú vyjadriť ako lineárna kombinácia predikčných chýb: 25. 12. 2021 Ekonometria 4

ARMA(p, q) V tomto prípade je možné vnímať silnú autokorelačnú štruktúru reziduí a reziduá je možné vyjadriť aj ako kĺzavý priemer predikčných chýb: 25. 12. 2021 Ekonometria 5

ARMA(p, q) model je možné pomocou operátora oneskorenia zapísať ako: V prípade, že modelujeme až diferencovanú premennú (I(1)), hovoríme o modeloch ARIMA 25. 12. 2021 Ekonometria 6

ARIMA(p, d, q) Modelovaný časový rad sa dá vyjadriť pomocou modelu ARIMA(p, q) ako: Predpokladáme, že časový rad je diferencovaný 25. 12. 2021 Ekonometria 7

Diferencie n – tého rádu môžeme zapísať ako: Sezónne diferencie zapíšeme: 25. 12. 2021 Ekonometria 8

SAR(p) SMA(q) Sezónne autoregresné procesy: Sezónne procesy kĺzavých priemerov: 25. 12. 2021 Ekonometria 9

Box – Jenkins (1976) Identifikácia 2) Odhad 3) Diagnostika 1) 25. 12. 2021 Ekonometria 10