전체 글 (61) 썸네일형 리스트형 ARIMA 모델 - Part 5 # Backward Shift operator(B) 이거랑 만나면 한 시점 뒤로 간다. BXt = Xt-1 1. AR(1) AR(1)과 AR(2) 를 이런 식으로 나타낼 수 있다~ B는 특정 Xt를 backward 시켜준다. 그 성질을 이용하여 AR(1) 모델을 다시 적어주면 위와 같다. Xt 등식의 우변은 비율이 phi*B 인 무한등비수열의 합과 같다. 결국 AR 모델도 White Noise 들로 나타낼 수 있다. 2. AR(2) AR(2) 도 위와 같이 백색소음들로 표현가능. 참고로 Forward shift operator 도 있다. 3. ARMA(1,1) 1) h = 0 일 때 목표는 ' ARMA 모델의 AutoCovariance 구하기 ' Yule-Walker 등식 이용 참고로 E(AxB) = C.. ARIMA 모델 - Part 4 이 모델들은 모두 정상 시계열 데이터임을 가정한다. 따라서 시점에 따른 분산이 일정하고, 시점간의 일정한 공분산 등 여러 가정들이 모델 설명 때 쓰인다. 원강의 : www.youtube.com/watch?v=R5L3El8YZwk&t=121s 1. MA 모델 1) MA(1) MA 모델은 Xt 를 이전 오차들로 표현하는 방식 이론적으로는 MA(1)에 딱 맞는 데이터는 이런 모양의 ACF 가 나와야 한다. theta 는 파라미터 2) MA(2) MA(2) 의 자기공분산 cut-off 가 3에서 되쥬? 박스앤 잰킨스인가 여튼 그분들이 말한 것처럼 실제 데이터가 저런 모냥이면 MA(2) 모델로 하면 됨. 2. AR 모델 자기자신의 과거로 예측 1) AR(1) 여기서는 분산도 필요해서 구했네 이번에는 h=1, h=.. ARIMA 모델 개요 - Part 3 Topic : 본 강의에서는 ARIMA 모델에 대한 수학적 설명이 주를 이룬다. 1. 기본 Notation 및 통계 기본 공식 1) 기본 개념 2) X와 Y가 독립일 때, 3) AutoCovariance(자기공분산) 특성상 대칭 4) AutoCorrelation 그전에 notation을 이용하면 위와 같이 표현 가능. 뇌피셜) 여기까지는 Xt가 의미하는게 전체 시퀀스인 것 같다. 그러니까 V(Xt) = V(Xt+h) 가 같다는 결론이 나오지 cf) 근데 다른 블로그를 보니 저 식은 '정상' 시계열임을 가정하고 전개한 것이라는 얘기가 있다. 아니 근데 정상성을 판단하기 위해 자기상관계수를 구하고자하는데, 정상임을 가정하는게 말이 되나? 5) White Noise 뇌피셜) 그런데 여기서부터는 at가 전체 시.. 이전 1 2 3 4 5 6 7 8 ··· 21 다음
