Содержание
- 2. 1. Модели авторегрессии и скользящей средней. До сих пор рассматривались модели временных рядов, в которых в
- 3. В качестве лаговых переменных могут выступать не только факторы, но и значения зависимой переменной, а также
- 4. Выделяют два типа динамических моделей. 1. Модели, в которых лаговые значения переменных включены в модель. Это
- 5. Этот уровень считается неизвестным и определяется с учётом информации, которой располагают в предыдущий момент времени. Различают
- 6. Модель (1) называют авторегрессионной моделью го порядка (англоязычное название ). В уравнении (1) так называемый "белый
- 7. Коэффициент характеризует изменение признака в момент под воздействием своего увеличения на одну единицу своего измерения в
- 8. Поэтому оценки коэффициентов модели (1) определяются из следующей системы линей-ных уравнений, называемой системой Юла-Уолкера:
- 9. В системе (2) выборочные коэффициенты автокорреляции считаются извес-тными, а неизвестными – оценки коэффи-циентов модели . Оценка
- 10. В частном случае, когда имеем модель первого порядка : оценки коэффициентов модели находятся просто: . В
- 11. В качестве порядка модели можно рассматривать такое число , начи-ная с которого все последующие оценки частных
- 12. Модель скользящей средней порядка (величина определяет длительность "памяти" процесса) имеет вид: т.е. моделируемая величина задаётся как
- 13. оценка коэффициента получается из решения квадратного уравнения которые называют авторегрессионной моде-лью скользящей средней порядков ( ),
- 14. 2. Модели с распределенным лагом. Модели с распределенным лагом – это динамические эконометрические модели, в которых
- 15. Эта модель позволяет определить вли-яние фактора на результат не только путём его изменения в текущий момент
- 16. Коэффициент модели (4) называют краткосрочным мультипликатором, он ха-рактеризует среднее изменение при уве-личении на одну единицу своего
- 17. Для таких моделей вводят следующие показатели. 1. Весовые коэффициенты: . Если все коэффициенты положительны, то и
- 18. Если значение небольшое, то отно-сительно быстро реагирует на изменение фа-ктора . В противном случае фактор медленно
- 19. Модель с конечным числом лагов (4) можно оценить обычным МНК достаточно просто, если свести её к
- 20. Следствием этого является нестабиль-ность оценок коэффициентов модели, сниже-ние их точности и эффективности. Для получения хороших оценок
- 21. Рис. 1 Рис. 2
- 22. Тогда каждый коэффициент модели (4) можно выразить следующим образом: … (6) .
- 23. Подставляя эти соотношения в уравнение (4), после группировки слагаемых получим: Введя в рассмотрение новые перемен-ные перепишем
- 24. Коэффициенты модели (7) оцениваются обычным МНК, а затем по соотношениям (6) находятся оценки коэффициентов исходной модели
- 25. Другой подход для нахождения оценок коэффициентов предложил Койка для моде-лей с бесконечным лагом и допущении о
- 26. Модель (8) в этом случае будет иметь вид: Для момента ( ) уравнение (10) запишется Умножая
- 27. Уравнение (12) называют моделью Койка, и оно представляет собой модель авторег-рессии 1-го порядка. Оценивая её коэффици-енты,
- 28. Переменную из правой части урав-нения (12), для которой нарушается предпо-сылка МНК ( частично зависит от в
- 29. Затем оценивают регрессию с новой инструментальной переменной с помощью обычного МНК. Например, в качестве инструментальной переменной
- 30. 3. Метод адаптивных ожиданий и частичной корректировки. Модель адаптивных ожиданий относят ко второму типу динамических моделей,
- 31. В общем виде модель адаптивных ожиданий записывается так Здесь фактическое значение резуль-тирующего признака, ожидаемое значе-ние фактора.
- 32. Параметр называют коэффициентом ожиданий. Обычный МНК для оценивания коэф-фициентов модели (13) использовать нельзя. Поэтому исходную модель
- 33. Для этого с помощью найденного параметра при переменной вначале определяется а затем рассчитывается оценки коэффици-ентов и
- 34. Примером может служить модель Линтнера: фактический объем прибыли оказывает влияние на величину желаемого объёма дивидендов :
- 35. или Из этого следует, что получается как среднее арифметическое взвешенное желае-мого уровня и фактического значения этой
- 36. При 0 корректировки не происхо-дит совсем. Уравнение (15) также можно преобра-зовать в уравнение авторегрессии Коэффициенты преобразованного
- 38. Скачать презентацию