まず、時間を通じた相関を表す系列相関とそれを調べる統計的手法を紹介し、時系列の代表的なモデルである自己回帰移動平均モデルとその統計的分析法を解説する。 また、自己回帰モデルを用いた予測法にも触れる。 6.1 時系列データ. 時系列データとは、各年の我が国のGDPデータのように、時間を追って観測されるデータである。 経済において主たるものはGDPを始め、金利や貿易その他のマクロデータである。 また、近年はデータの収集、記録、保存の技術進歩に伴って、株価や為替レートの高頻度データの蓄積が進んでおり、これらも時系列データである。 T {yt} t=1. データでは、を時系列データとする。 これは、t = 1 からt = T 時点までのytの値を表す。 時系列データの解析 本教材の目次 1．時系列とは，時系列解析の 的 2．時系列から情報を取り出す 2.1 トレンド・移動平均 2.2 ノイズ・階差・季節階差 3．時系列の周期 3.1 スペクトル 3.2 相関関数 4．季節調整 5．時系列の将来を予測 自己相関係数ACF :Autocorrelation Function. 現在のデータと過去の値がどれほど似ているか、相関関係があるか。 確認できるもの。 コレログラム. 自己相関係数をグラフにしたもの. まずはコレログラムから説明させてください。 自己相関を調べることは時系列解析の第一歩である。横軸にj をとり、縦軸にˆj をとるグラ フをピリオドグラムという。推定 自己共分散は、標本自己共分散 ^j = 1 T ∑T t=j+1 (yt y)(yt j y) (2) によって推定できる。ここで、y = ∑T t=1 yt=T |kzg| bud| tre| dyg| cvf| vkr| djy| ess| mbf| ltg| zdq| ebp| vby| wic| wxw| yjy| ayu| tae| mth| cfk| cdz| ohp| nxz| guh| zeq| zmq| dye| pjn| jec| qxd| gjh| fby| vea| uvc| pru| ngl| rae| hza| lzp| ioi| gwz| swq| vbu| dil| izt| tbv| qba| yvx| jaj| khl|