自回歸移動平均（autoregressive moving average）是2018年公布的計算機科學技術名詞。
基本介紹
- 中文名：自回歸移動平均
- 外文名：autoregressive moving average
- 所屬學科：計算機科學技術
- 公布時間：2018年
定義,出處,
定義
由博克思和詹金斯於20世紀70年代初提出的一著名時間序列預測方法。
出處
《計算機科學技術名詞 》第三版。
自回歸移動平均
相關詞條
- 自回歸積分移動平均法
自回歸積分移動平均法(autoregressive inte-grated moving average method)簡稱ARIMA模型法。定義 自回歸移動平均法在非平穩隨機時間序列上的套用.設y (t一n2,...,r＞，為非平穩齊次觀測時間序列，並滿足遍歷性.如果y，的m階差分,. y所形成的時間序列xt xt='"yt,t=m+1, ".. T)成為平穩序列，則稱 為...
- 自回歸移動平均
自回歸移動平均 自回歸移動平均（autoregressive moving average）是2018年公布的計算機科學技術名詞。定義 由博克思和詹金斯於20世紀70年代初提出的一著名時間序列預測方法。出處 《計算機科學技術名詞 》第三版。
- 自回歸移動平均幅角
多元自回歸移動平均 [duō yuán zì huí guī yí dòng píng jūn][數學] multivariate autoregression-moving average 程式簡介 時間序列分析方法是Box and Jenkins (1970)提出的，該法不考慮以經濟或金融理論為依據的解釋變數的作用，而是依據時間序列本身的變化規律，利用外推機制來描述時間序列。必須注意的是，...
- 自回歸整合移動平均模型
自回歸整合移動平均模型用於幫助企業對未來進行預測。模型簡介 沒有人能夠真正看清楚未來， 然而，現代統計方法、計量經濟模型和Business Intelligence[商業智慧型]軟體在某種程度上已經能夠幫助企業對未來進行預測。ARIMA是AutoRegressive Integrated Moving Average的縮寫，亦即自回歸整合移動平均數。ARIMA模型在做時間序列分析時，...
- 自回歸移動平均模型
自回歸移動平均模型 自回歸移動平均模型（autoregressive moving average model; ARMA model ）是2016年公布的管理科學技術名詞。定義 時間序列當期值為其歷史值和誤差項歷史值的線性函式所形成的模型。出處 《管理科學技術名詞》第一版。
- 自回歸移動平均預測模型
自回歸移動平均預測模型 自回歸移動平均預測模型（autoregressive moving average forecasting model ）是2016年公布的管理科學技術名詞。定義 兼有自回歸過程和移動平均過程的預測模型。出處 《管理科學技術名詞》第一版。
- 自回歸移動平均過程
自回歸移動平均過程 自回歸移動平均過程（autoregressive moving average process）是2018年公布的計算機科學技術名詞。定義 當前變數是該量和另一變數過去量加權求和的隨機過程。出處 《計算機科學技術名詞 》第三版。
- 自回歸滑動平均模型
ARMA(p,q)模型中包含了p個自回歸項和q個移動平均項，ARMA(p,q)模型可以表示為： 。式中符號： p和q是模型的自回歸階數和移動平均階數；φ和θ是不為零的待定係數；εₜ獨立的誤差項； 是平穩、正態、零均值的時間序列。ARMA滯後運算元表示法 ARMA(p,q)模型可以表示為：或 。若 ,則ARMA過程退化為MA(q...
- 條件異方差自回歸移動平均模型
條件異方差自回歸移動平均模型 條件異方差自回歸移動平均模型是2016年公布的管理科學技術名詞。 定義 利用隨機係數方法來刻畫序列方差時變性的一種異方差模型。 出處 《管理科學技術名詞》。
- 向量自回歸移動平均模型
向量自回歸移動平均模型 向量自回歸移動平均模型（vector ARMA model; VARMA model）是2016年公布的管理科學技術名詞。公布時間 2016年經全國科學技術名詞審定委員會審定發布。出處 《管理科學技術名詞》第一版。
- 自回歸係數
自回歸係數autoregressivecoefficient ARIMA(p,d,q)中,P是自回歸係數顯著的最大個數,Q是移動平均係數顯著的最大個數,D是差分的階,ARIMA(1,0,0)即可視為AR(1)ARIMA(0,0,1)即可視為MA(1)在估計模型中取得的係數與一般回歸分析取得的係數在意義上相似。
- 可逆自回歸滑動平均模型
可逆自回歸滑動平均模型 可逆自回歸滑動平均模型是2016年全國科學技術名詞審定委員會公布的管理科學技術名詞。定義 滿足移動平均項的係數多項式的根都位於單位圓條件的自回歸移動平均模型，該模型可以表示成為一個自回歸過程。公布時間 2016年，經全國科學技術名詞審定委員會審定發布。出處 《管理科學技術名詞》第一版。
- 時間序列模型
將純AR(p)與純MA(q)結合，得到一個一般的自回歸移動平均（autoregressive moving average）過程ARMA（p,q）：Xt=j1Xt-1+ j2Xt-2 + … + jpXt-p + et - q1et-1 - q2et-2 - ¼ - qqet-q 限制條件 條件一：這個限制條件保證了模型的最高階數。條件二：這個限制條件實際上是要求隨機干擾序列 為...
- ARIMA
ARIMA模型全稱為差分自回歸移動平均模型(Autoregressive Integrated Moving Average Model,簡記ARIMA)，也叫求和自回歸移動平均模型，是由博克思(Box)和詹金斯(Jenkins)於70年代初提出的一著名時間序列預測方法，所以又稱為box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）稱為差分自回歸移動平均模型，AR是自回歸...
- 時間序列分析(統計分析學概念)
不是一個白噪聲，通常認為它是一個q階的移動平均（moving average）過程MA（q）：。將純AR（p）與純MA（q）結合，得到一個一般的自回歸移動平均（aunoregressive moving average）過程ARMA（p，q）：。該式表明：1.一個隨機時間序列可以通過一個自回歸移動平均過程生成，即該序列可以由其自身的過去或滯後值以及...
- MA模型
MA模型(moving average model)滑動平均模型，模型參量法譜分析方法之一，也是現代譜估中常用的模型。q階移動平均模型的自相關係數q階截尾，偏自相關係數拖尾。定義 設一個離散線性系統，輸入u(n)是一個具有零均值與方差為σ的白噪聲序列，輸出是x(n)，該離散線性系統的輸出和輸入之間的關係可用如下的差分方程來...
- 時間序列分析與現代譜估計
3．3 移動平均（MA）模型 3．4 自回歸移動平均（ARMA）模型 3．5 ARMA模型的特性 3．6 平穩時間序列模型的建立 3．7 平穩時間序列預測 習題 第4章 經典譜分析 4．1 功率譜估計概述 4．2 自相關函式的估計 4．3 經典譜估計的基本方法 4．4 直接法和間接法估計的質量 4．5 直接法估計的改進 習題 第5...
- 俄羅斯數學教材選譯·隨機金融基礎1:事實·模型
§2b.自回歸模型AR(p)§2c.自回歸移動平均模型ARMA(p，q)和整合模型ARIMA(p，d，q)§2d.線性模型中的預測 3.非線性隨機條件高斯模型 §3a.ARCH和GARCH模型 §3b.EGARCH，TGARCH，HARCH和其他模型 §3c.隨機波動率模型 4.附錄：動態混沌模型 §4a.非線性混沌模型 §4b.“混沌”序列與“隨機”序列之間的...
- 單位根檢驗
在離散時間序列模型中，如自回歸移動平均（AR-MA）過程，模型的自回歸部分的‘單位根’表明序列是不平穩的，即隨時間的推進，它並沒有回到給定值的趨勢（長期均值）。模型的移動平均部分的單位根表明當進一步考察過去時間狀態的序列時，此序列不能用一個受到對序列偏差當前估計的觀測影響的自回歸表示，即序列是不可逆...
- 金融時間序列分析實驗教程
《金融時間序列分析實驗教程》是2012年武漢大學出版社出版的圖書，作者是胡利琴。內容簡介 《經濟學與管理學實驗教學系列教材:金融時間序列分析實驗教程》共分七章，內容包括：Eviews操作簡介；自回歸移動平均模型；向量自回歸模型；向量誤差修正模型；條件異方差模型；面板數據模型；蒙特卡羅模擬方法。除第一章外，每章均...
- 多變數平穩時間序列
或者通過差分等變換可以化成一個平穩序列。套用 一個平穩序列的行為不會隨時間的推移而變化，因此，可以用該序列過去的行為來預測它的未來。這是隨機時間序列模型的優勢所在。對於一個平穩的時間序列，可以採用自回歸AR模型、移動平均MA模型和自回歸移動平均ARMA模型進行分析。
- 環比
但由於所選擇的季節調整模型的差異，以及模型中參數確定方法的差異，得到的環比統計結果也會有所不同，這也正是環比統計工作的難點所在。季節調整中，主要採用的方法有ARIMA模型，即自回歸移動平均模型。參考 中華人民共和國國家統計局：什麼是環比價格指數？什麼是同比價格指數？什麼是定基價格指數？
- 計量經濟學(2017年張曉峒編寫、清華大學出版社出版的圖書)
10.2.2移動平均模型 10.2.3自回歸移動平均模型 10.2.4單整自回歸移動平均模型 10.3伍爾德（Wold）分解定理 10.3.1伍爾德分解定理 10.3.2隨機過程期望與漂移項的關係 10.4自相關函式及其估計 10.4.1自相關函式 10.4.2自回歸過程的自相關函式 10.4.3移動平均過程的自相關函式 10.4.4ARMA過程的自...
- 俄羅斯數學教材選譯·隨機金融基礎:事實·模型
§2b.自回歸模型AR(p)§2c.自回歸移動平均模型ARMA(p，q)和整合模型ARIMA(p，d，q)§2d.線性模型中的預測 3.非線性隨機條件高斯模型 §3a.ARCH和GARCH模型 §3b.EGARCH，TGARCH，HARCH和其他模型 §3c.隨機波動率模型 4.附錄：動態混沌模型 §4a.非線性混沌模型 §4b.“混沌”序列與“隨機”序列之間的...
- 隨機金融基礎:事實·模型
§2b.自回歸模型AR(p)§2c.自回歸移動平均模型ARMA(p，q)和整合模型ARIMA(p，d，q)§2d.線性模型中的預測 3.非線性隨機條件高斯模型 §3a.ARCH和GARCH模型 §3b.EGARCH，TGARCH，HARCH和其他模型 §3c.隨機波動率模型 4.附錄：動態混沌模型 §4a.非線性混沌模型 §4b.“混沌”序列與“隨機”序列之間的...
- 統計圖像模型
能否將一維信號處理基礎上開發的自回歸模型(auto—regressivemodel)、馬爾可夫模型(Markov model)、自回歸移動平均模型(auto—regressivemoving average model)等簡單擴展到二維圖像的情形，是相關研究的起點。所以在統計模型中，和聲音信號處理的原理相同，是想將信號的相關性及空間頻譜等特徵賦予圖像。由於這些模型是將當前...
- 博學21世紀高校統計學專業教材系列·套用時間序列分析
§3.3 移動平均過程MA（q）§3.4 自回歸移動平均過程ARMA（p，q）§3.5 自相關係數與偏相關係數 習題三 第四章 非平穩時間序列和季節序列模型 §4.1 均值非平穩 §4.2 自回歸求和移動平均模型（ARIMA）§4.3 方差和自協方差非平穩 §4.4 季節時間序列（SARIMA）模型 習題四 第五章 時間序列的模...
- 時間序列分析:單變數和多變數方法
《時間序列分析:單變數和多變數方法(第2版)》不僅對單變數與多變數時間序列的時域和頻域分析提供了一個全面介紹，而且在書中包含了許多單變數和多變數時問序列模型的新進展，如逆自相關函式、擴展樣本自相關函式、干預分析及干預探測、向量自回歸移動平均模型、偏滯後自相關矩陣函式、局部過程、狀態空間模型、卡爾曼...
