Wpływ poziomu zakłóceń losowych na możliwość identyfikacji modeli ARIMA dla niestacjonarnych szeregów czasowych

• Autorzy: Joanicjusz Nazarko , Mikołaj Rybaczuk , Arkadiusz Jurczuk

Warianty tytułu

Influence of Random Noise on an Identification of ARIMA Models for Non-Stationary Processes

• Języki publikacji: PL

Abstrakty

W artykule Wpływ poziomu zakłóceń losowych na możliwość identyfikacji modeli ARIMA autorzy przedstawili wyniki badań symulacyjnych dotyczących wpływu obecności zakłóceń losowych na prawidłowość identyfikacji typu oraz estymacji parametrów modeli ARIMA podstawowych procesów stacjonarnych. Ze względu na częstsze występowanie w praktyce procesów niestacjonarnych zdecydowano się na rozszerzenie zakresu badań i określenie wpływu zakłóceń losowych na rozpoznawalność modeli klasy ARIMA również dla tego typu szeregów. W niniejszym artykule przedstawiono wyniki badań wpływu zakłóceń losowych o charakterze białego szumu o różnym poziomie wariancji oraz zakłóceń o rozkładzie niesymetrycznym na identyfikowalność postaci i jakość estymacji modeli niestacjonarnych: autoregresyjnych - ARIMA(1,1,0), średniej ruchomej - ARIMA(0,1,1) oraz mieszanych - ARIMA(1,1,1). Zgodnie z metodyką zaproponowaną przez Boxa i Jenkinsa do oceny typu modelu wykorzystano funkcje autokorelacji (ACF) i autokorelacji cząstkowej (PACF). (fragment tekstu)

EN

According to Box-Jenkins' methodology a key issue in time-series modelling with ARIMA models is to identify proper class and their order. The basis for the identifying is an analysis of plot of autocorrelation (ACF) and partial correlation functions (PACF). The paper presents results of the second part of a simulation research on influence of white noise presence and its variance level on identification of ARIMA models for three types of non-stationary processes: ARIMA( 1,1,0), ARIMA(0,110) and ARIMA(1,1,1). The effect of noise variance level on a quality of estimation of ARIMA models has been also presented in the paper. It has been considered that possibility of correct identification and estimation strongly depends on presence and variance of a random noise. (original abstract)

Słowa kluczowe

PL

Modele ARIMA; Szeregi czasowe; Eliminacja parametrów zakłóceń

EN

Autoregressive integrated moving average (ARIMA) models; Time-series; Elimination of interference parameters

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
• Rocznik: 2006
• Tom: 13
• Numer: nr 1126 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 175--185

Twórcy

autor

Joanicjusz Nazarko

• Politechnika Białostocka

autor

Mikołaj Rybaczuk

• Politechnika Białostocka

autor

Arkadiusz Jurczuk

• Politechnika Białostocka

Bibliografia

• Akaike H. (1974), A New Look at the Statistical Model Identification, ШEE Transaction on Automatic Control, vol. 19, nr 6, s. 716-723.
• Box G.E.P., Jenkins G.M. (1983), Analiza szeregów czasowych. Prognozowanie i sterowanie, PWN, Warszawa.
• DeLurgio S.A. (1998), Forecasting Principles and Applications, Irwin/McGraw-Hill, New York.
• Hanke J.E., Reitsch A.G., Wiehern D.W. (2001), Business Forecasting, Prentice Hall, Inc., New Jersey.
• Nazarko J., Rybaczuk M., Jurczuk A. (2005), Wpływ poziomu zakłóceń losowych na możliwość identyfikacji modeli ARIMA, Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 12, AE, Wrocław, s. 238-247.