Модель - скользящее среднее
Cтраница 1
Модели скользящего среднего ( МА) представляют стационарный процесс в виде линейной комбинации последовательных значений белого шума. Такие модели оказываются полезными как в качестве самостоятельных описаний стационарных процессов, так и в качестве дополнения к моделям авторегрессии для более детального описания шумовой составляющей. [1]
Такие модели называются моделями скользящего среднего. Ясно, что линейные модели авторегрессии и модели скользящего среднего представляют собой частные случаи комбинированной модели. [2]
Такие модели называются моделями скользящего среднего. [3]
 |
Индекс английской конъюнктуры ( сплошная линия и отрезок ряда скользящих средних ( пунктир ( источник. ( 35 ]. [4] |
Идентификация параметров, как оказывается, довольно неудобна, и потому широких попыток применения модели скользящего среднего нет. Несколько более повезло в этом смысле следующей ниже модели авторегрессии. [5]
Рассмотрим теперь модель скользящего среднего (6.3) конечного порядка. [6]
Такие функции найдены в работах [109, 108] в предположении слабой зависимости между отсчетами наблюдаемой выборки, но при довольно значительной информации о характере статистической зависимости шума. В [109] полагаются известными параметры модели скользящего среднего, а в [108] фиксируется последовательность ф, с помощью которой определяется процесс ф-перемешивания. [7]
 |
Индекс английской конъюнктуры ( сплошная линия и отрезок ряда скользящих средних ( пунктир ( источник. ( 35 ]. [8] |
Используя случайные числа, полученные при розыгрыше облигаций займов, Е. Е. Слуцкий моделировал несколько рядов скользящих средних. Таким образом, по зрительному впечатлению модель скользящего среднего может дать ряд наблюдений, похожий на ряд наблюдений некоторого экономического показателя. Никаких более глубоких выводов Е. Е. Слуцкий ire делает. [9]
Алгоритмы вычисления параметров модели МА очень чувствительны к неправильному выбору числа параметров для конкретного временного ряда, особенно в сторону их увеличения, что может выражаться в отсутствии сходимости вычислений. Рекомендуется не выбирать на начальных этапах анализа модель скользящего среднего с большим числом параметров. [10]
Такие модели называются моделями скользящего среднего. Ясно, что линейные модели авторегрессии и модели скользящего среднего представляют собой частные случаи комбинированной модели. [11]
Если р О, то (12.2) называют моделью авторегрессии. Если же в правой части (12.2) равно нулю первое слагаемое, то говорят о модели скользящего среднего. При р 0 и т О соотношения вида (12.2) называют смешанной моделью авторегрессии и скользящего среднего. [12]
Без этого предположения трудно обойтись, поскольку в случае зависимой выборки сильно усложняется проблема синтеза робастных алгоритмов. В [109] зависимая выборка представлена моделью скользящего среднего с известными параметрами. В [108] зависимая выборка аппроксимируется случайной последовательностью ф-перемешивания при определенном предположении о последовательности ф данной модели. В [20] для этой цели используется т - зависимая случайная последовательность с произвольным характером статистической зависимости в пределах заданного интервала, но зато предъявляются высокие требования к уровню боковых лепестков у АКФ сигнала. [13]
Стохастические модели - это такие модели, которые сконструированы с помощью понятий и методов теории случайных npo - - цессов. Такого рода модели называют авторегрессионными. Эти модели называют моделями скользящего среднего. Понятие скользящего среднего в техническом анализе является одним из основных инструментов. В инженерной практике сходный метод называется фильтрацией сигнала. Наиболее эффективные модели используют оба указанных метода. [14]
Страницы: 1