Puede dar algunos ejemplos de la vida real de series de tiempo para las cuales un proceso de orden móvil de orden q, es decir, yt suma q thetai varepsilon varepsilont, texto varepsilont sim mathcal (0, sigma2) tiene alguna razón a priori para ser un buen modelo Al menos Para mí, los procesos autorregresivos parecen ser bastante fáciles de entender intuitivamente, mientras que los procesos de MA no parecen tan naturales a primera vista. Tenga en cuenta que no me interesan los resultados teóricos aquí (como el Teorema de Wolds o la invertibilidad). Como un ejemplo de lo que estoy buscando, supongamos que tiene devoluciones de acciones diarias rt texto sim (0, sigma2). Entonces, los rendimientos promedio semanales de las acciones tendrán una estructura de MA (4) como un artefacto puramente estadístico. En Estados Unidos, las tiendas y los fabricantes suelen emitir cupones que pueden canjearse por un descuento o descuento financiero al comprar un producto. A menudo se distribuyen ampliamente a través del correo, revistas, periódicos, Internet, directamente desde el minorista, y dispositivos móviles como teléfonos celulares. La mayoría de los cupones tienen una fecha de vencimiento después de la cual no serán honrados por la tienda, y esto es lo que produce quotvintagesquot. Cupones posiblemente aumentar las ventas, pero cuántos hay por ahí o cuán grande el reembolso no siempre es conocido por el analista de datos. Usted puede pensar en ellos un error positivo. Ndash Dimitriy V. Masterov Jan 28 a las 21:51 en nuestro artículo Escalabilidad volatilidad de la cartera y el cálculo de las contribuciones de riesgo en la presencia de correlaciones cruzadas en serie se analiza un modelo multivariado de rendimiento de los activos. Debido a los diferentes tiempos de cierre de las bolsas, aparece una estructura de dependencia (por la covarianza). Esta dependencia sólo se mantiene durante un período. Por lo tanto, lo modelamos como un proceso de movimiento móvil de vectores de orden 1 (ver páginas 4 y 5). El proceso de cartera resultante es una transformación lineal de un proceso VMA (1) que en general es un proceso MA (q) con qge1 (ver detalles en las páginas 15 y 16). Respondió el 3 de diciembre a las 21:39 Tomar una media móvil es un proceso de suavizado Una manera alternativa de resumir los datos pasados es calcular la media de sucesivos conjuntos más pequeños de números de datos anteriores como sigue. Recordemos el conjunto de números 9, 8, 9, 12, 9, 12, 11, 7, 13, 9, 11, 10 que fueron la cantidad en dólares de 12 proveedores seleccionados al azar. Fije (M), el tamaño del conjunto más pequeño igual a 3. Entonces el promedio de los primeros 3 números es: (9 8 9) / 3 8.667. Esto se llama suavizado (es decir, alguna forma de promediar). Este proceso de suavizado se continúa avanzando un período y calculando el siguiente promedio de tres números, dejando caer el primer número. Ejemplo de media móvil La siguiente tabla resume el proceso, que se conoce como Moving Averaging. La expresión general para la media móvil es Mt frac cdots X. Resultados de la media móvil Autocorrelación del proceso de media móvil Este ejemplo muestra cómo introducir la autocorrelación en un proceso de ruido blanco mediante filtrado. Cuando introducimos la autocorrelación en una señal aleatoria, manipulamos su contenido de frecuencia. Un filtro de media móvil atenúa los componentes de alta frecuencia de la señal, suavizando eficazmente. Cree la respuesta de impulso para un filtro de media móvil de 3 puntos. Filtre una secuencia de ruido blanco N (0,1) con el filtro. Configure el generador de números aleatorios a la configuración predeterminada para obtener resultados reproducibles. Obtener la autoevaluación de la muestra sesgada a 20 lags. Trazar la autocorrelación de la muestra junto con la autocorrelación teórica. La autocorrelación muestra captura la forma general de la autocorrelación teórica, aunque las dos secuencias no están de acuerdo en detalle. En este caso, está claro que el filtro ha introducido una autocorrelación significativa sólo en los desfases -2,2. El valor absoluto de la secuencia decae rápidamente a cero fuera de ese intervalo. Para ver que el contenido de frecuencia ha sido afectado, trazar las estimaciones de Welch de las densidades espectrales de potencia de las señales original y filtrada. El ruido blanco ha sido coloreado por el filtro de media móvil. MATLAB y Simulink son marcas comerciales registradas de The MathWorks, Inc. Consulte mathworks / marcas comerciales para obtener una lista de otras marcas comerciales propiedad de The MathWorks, Inc. Otros nombres de productos o marcas son marcas comerciales o marcas registradas de sus respectivos propietarios. Selecciona tu pais
No comments:
Post a Comment