بخشی از پاورپوینت
اسلاید 1 :
فصل بيست و دوم
اقتصاد سنجي سريهاي زماني II :
پيش بيني با استفاده از مدلهاي VAR و ARIMA
اسلاید 2 :
چکيده:
چگونه يک سري زماني ساکن مدلسازي ميشود. يعني چه نوع مدل رگرسيون را ميتوان براي توصيف رفتار آن به کار برد؟
چگونه از مدل برازش شده براي پيشبيني استفاده ميشود؟
اسلاید 3 :
روشهاي پيش بيني اقتصادي
بطور کلي چهار روش پيشبيني اقتصادي براساس دادههاي سري زماني وجود دارد:
مدلهاي رگرسيون تک معادلهاي
مدلهاي رگرسيون معادلات همزمان
مدلهاي ARIMA
مدلهاي(VAR)
اسلاید 4 :
در مدلهاي سري زماني از نوع BJ متغير Yt با استفاده از مقادير گذشته از متغير Y و جملات خطاي استوکاستيک توضيح داده ميشود. به همين دليل مدلهاي ARIMA گاهي اوقات مدلهاي غير تئوريک ناميده ميشوند، زيرا آنها را نميتوان از هيچ تئوري اقتصادي استنتاج کرد.
متدلوژي VAR تا اندازه زيادي شبيه معادلات همزمان ميباشد، جز اينکه در اين روش با تعدادي متغيرهاي درونزا سروکار داريم و معمولاً هيچگونه متغير برونزايي در مدل وجود ندارد.
متودولوژی باکس جنکینز
اسلاید 5 :
فرآيند خود رگرسيون (AR)
خودرگرسيون مرتبه اول AR(1) :
δ : ميانگين Y ut : جمله اخلال خالص
خودرگرسيون مرتبه Pام AR(p) :
اسلاید 6 :
فرآيند ميانگين متحرک (MA)
فرآيند MA(1) :
μ : يک مقدار ثابتu : جمله اخلال
فرآيند) MA(q:
اسلاید 7 :
فرآيند خود رگرسيون ميانگين متحرک (ARMA)
اسلاید 8 :
فرآيند خودرگرسيون ميانگين متحرک انباشته (ARIMA)
اگر يک سري زماني پس از d مرتبه تفاضلگري مرتبه اول ساکن شود و سپس آنرا توسط فرآيند ARMA(p, q) مدلسازي کنيم، در اينصورت سري زماني اصلي، سري زماني خودرگرسيوني ميانگين متحرک انباشته ARIMA(p,d,q) ميباشد.
اسلاید 9 :
متدولوژي باکس- جنکينز :
تشخيص (شناسايي)
کنترل تشخيصی
تخمين
پيشبيني
مرحله اول
مرحله دوم
مرحله سوم
مرحله چهارم
اسلاید 10 :
تشخيص
بهترين ابزار تشخيص تابع خودهمبستگي(ACF)، تابع خود همبستگي جزئي(PACF) و نمودارهاي همبستگي (که بيانگر ACF و PACF، در مقابل وقفههايشان است)ميباشدو همبستگي جزئي عبارت است از همبستگي بين Yt و Yt-k پس از حذف تاثير Yهاي مياني.
اسلاید 13 :
نوع مدلالگوي ACF الگوي PACF
AR(P) به صورت نمايي يا با يک الگوي تغييرات قابل توجه در مجموعه
موجي يا به هر دو صورت، کاهش وقفه هاي p مشاهده مي گردد.
مي يابد.
MA ( q ) تغييرات قابل توجه در مجموعه به صورت نمايي کاهش مي يابد.
وقفه هاي q مشاهده مي گردد.
ARMA ( p , q ) به صورت نمايي کاهش مي يابد. به صورت نمايي کاهش مي يابد.
الگوهاي نظري ACF و PACF
اسلاید 15 :
تخمين مدل ARIMA
اسلاید 16 :
کنترل تشخيصی
يک روش ساده تشخيص اينکه مدل, برازش قابل قبولي دارد آن است که باقيماندههاي حاصل از معادله را بدست آورده و سپس PACF و ACF اين باقيماندهها را بررسی نماييم.(باقيمانده ها بايد به طور خالص تصادفي باشند.)
اسلاید 18 :
پيشبيني
اسلاید 19 :
جنبههاي ديگر از متدولوژي BJ
٭ تاثيرات فصلي
٭ مطالعه همزمان دو يا چند سري زماني
اسلاید 20 :
خود رگرسيون برداري (VAR):
استفاده از واژه خودرگرسيون بدليل وجود مقدار با وقفه متغير وابسته در طرف راست و واژه برداري بدليل سرو کار داشتن با يک بردار از دو (يا چند) متغير است.
تخمين VAR: