ARMA模型

出自MBA智库百科(http://wiki.mbalib.com/)

ARMA模型（Auto-Regressive and Moving Average Model）

[编辑]

ARMA模型概述

　　ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。

[编辑]

ARMA模型的基本原理

　　将预测指标随时间推移而形成的数据序列看作是一个随机序列，这组随机变量所具有的依存关系体现着原始数据在时间上的延续性。一方面，影响因素的影响，另一方面，又有自身变动规律，假定影响因素为x1，x2，…，xk，由回归分析，

　　Y=\beta_0+\beta_1 x_1+\beta_2 x_2+\ldots+\beta_k x_k+e

　　其中Y是预测对象的观测值， e为误差。作为预测对象Yt受到自身变化的影响，其规律可由下式体现，

　　Y_t=\beta_0+\beta_1 x_{t-1}+\beta_2 x_{t-2}+\ldots+\beta_p x_{t-p}+e_t

　　误差项在不同时期具有依存关系，由下式表示，

　　e_t=\alpha_0+\alpha_1 e_{t-1}+\alpha_2 e_{t-2}+\ldots+\alpha_q e_{t-q}+\mu_t

　　由此，获得ARMA模型表达式：

　　Y_t=\beta_0+\beta_1 x_{t_1}+\beta_2 x_{t-2}+\ldots+\beta_p x_{t-q}+\alpha_0+\alpha_1 e_{t-1}\alpha_2 e_{t-2}+\ldots+\alpha_q e_{t-q}+\mu_t

来自"http://wiki.mbalib.com/wiki/ARMA%E6%A8%A1%E5%9E%8B"
  如果您认为本条目还有待完善，需要补充新内容或修改错误内容，请编辑条目。

本条目由以下用户参与贡献

Angle Roh,funwmy.

评论

提示:评论内容为网友针对条目"ARMA模型"展开的讨论，与本站观点立场无关。
58.213.113.73 (Talk) 在 21:00 2007年12月4日 发表

在实际预测时，ut如何给出呢？

| 回复评论

发表评论

导航