22575

W module tym zajmiemy się wywodzącą się ze statystyki jednowymiarową analizą dynamiki szeregów czasowych. W tego typu analizach proces generujący dane staramy się odtworzyć jedynie na podstawie przeszłych wartości pojedynczego szeregu czasowego. Odgadnięcie w ten sposób wzorca dynamiki nic jest proste, ale nic jest niemożliwe. Szczególnie, jeżeli proces stochastyczny jest tak zwanym procesem stacjonarnym, to do jego opisu wystarczy kilka podstawowych modeli szeregów czasowych. Najpierw pokażemy, jak uzyskać własność stacjonarności dla dowolnego szeregu czasowego. Następnie opiszemy, jak formalnie dokonać wyboru najlepszego modelu statystycznego dla szeregów stacjonarnych według metodologii Boxa i Jenkinsa. Zastosowanie tej popularnej metody dla modeli A RM A zaprezentujemy w pakiecie ekonometrycznym Greli. W kolejnym temacie omówimy dwie klasy modeli niestacjonarnych (ze względu na wartość oczekiwaną i wariancję), zwanych modelami trendów deterministycznych i stochastycznych. Następnie rozszerzymy analizę na metody dekompozycji szeregów czasowych, więcej miejsca poświęcając kolejnej ważnej składowej szeregów czasowych, jaką jest sezonowość. Na końcu zwrócimy uwagę, w jaki sposób użyć odpowiednio sformułowanych modeli w prognozowaniu na wiele okresów w przód i jak ocenić jakość takich prognoz.