¿Qué es la MA(q) modelo de entrada en el mundo real?

Question

Entiendo que la AR(p) modelo: su entrada es la serie de tiempo que han sido modelados. Estoy completamente atascado al leer acerca de la MA(q) modelo: su entrada es la innovación o al azar de choque como es a menudo formulado.

El problema es que no puedo imaginar cómo obtener una innovación componente no tener ningún modelo de la (perfecto) de la serie de tiempo ya (es decir, yo creo $\varepsilon=X_{\rm observed}-X_{\rm perfect}$, y que probablemente equivocada). Por otra parte, si podemos conseguir que este componente de innovación en la muestra, ¿cómo podemos conseguir que al hacer un pronóstico a largo plazo (modelo término de error como otro aditivo serie de tiempo de los componentes)?

Answer 1

Cuando la incumplido los términos de error son autocorrelated, hay al menos 4 estrategias posibles, ya que no basta con agregar los errores en el modelo:

1. Uso OLS con una corrección de varianza-covarianza de la matriz (como Newey-West)
2. Transformación del modelo
3. Factible Generalizada De Los Mínimos Cuadrados
4. Variables Instrumentales

(2) es probablemente más común. OLS y FGLS son adecuados para los no-escalar de la varianza residual de las matrices. IV es bueno cuando se tiene una variable correlacionada con el término de error. Las transformaciones pueden ser de utilidad para ambos.

Prais-Winsten y Conchrane-Orcutt son comunes los ejemplos de (3) para el primer orden de autocorrelación. Estos enlaces sirven para ilustrar la mecánica muy bien.

Este post incluye algunos ejemplos del mundo real. En el cupón de ejemplo, se puede imaginar que la adición de ellos como regresores si usted podría obtener los datos. En los otros ejemplos, que tiene menos sentido y (1)-(4) proporcionar una alternativa viable.

Answer 2

Cuando se trata de obtener una intuitiva mundo real de la imagen de MA o AR (o ARMA o ARIMA si son de la ampliación) yo a menudo es útil pensar en llevar a los efectos secundarios, que es algo que sucede en un período, se traslada a la siguiente.

He aquí un ejemplo: digamos que son la modelización de las ventas de periódicos. El ruido (error aleatorio) en un modelo de este tipo podría sensatez incorporar la relativamente corta duración del efecto de los titulares de los periódicos, mientras que el resto de la modelo trabaja con más estable cosas como la tendencia y la estacionalidad (ahora estoy asumiendo un modelo ARIMA, pero si quieres una pura MA modelo de imaginar ninguna tendencia o estacionalidad para el papel). Aunque el título del periódico efecto se modela como error, podríamos decidir que este efecto se hace, de hecho, llevar encima en los próximos días (una buena historia trae a los lectores que luego se desvanecen de nuevo). Este sería invitar a la inclusión de una MA plazo en el modelo de la prórroga de los efectos de la anterior término de error en el actual período de tiempo.

Usted puede pensar de la misma manera acerca de la AR término sólo lo que se realiza aquí es parte del efecto de la totalidad de los días anteriores de ventas.

Espero que ayude