الانتقال المتوسط - نموذج eviews

عند حساب متوسط ​​متحرك تشغيل، وضع متوسط ​​في الفترة الزمنية الوسطى منطقي في المثال السابق قمنا بحساب متوسط ​​الفترات الزمنية الأولى 3 ووضعه بجانب الفترة 3. كنا قد وضعت المتوسط ​​في منتصف الفاصل الزمني من ثلاث فترات، وهذا هو، بجانب الفترة 2. هذا يعمل بشكل جيد مع فترات زمنية فردية، ولكن ليست جيدة جدا لفترات زمنية حتى. إذا أين نضع المتوسط ​​المتحرك الأول عند M4 من الناحية الفنية، فإن المتوسط ​​المتحرك سينخفض ​​عند t 2.5، 3.5. ولتجنب هذه المشكلة نقوم بتلطيف المسافات باستخدام M 2. وهكذا نتمس القيم الملساء إذا قمنا بمتوسط ​​عدد من المصطلحات فإننا نحتاج إلى تسهيل القيم الملساء يوضح الجدول التالي النتائج باستخدام M 4.GARCH و إوما 21 مايو 2010 من قبل ديفيد هاربر، كفا، فرم، سيب الهدف: مقارنة والتباين وحساب النهج البارامترية وغير المعلمية لتقدير التقلبات الشرطية 8230 بما في ذلك: نهج جارتش بما في ذلك: التسخين العفوي (إوما) الأسي تمهيد (الشرطية البارامترية) أساليب حديثة تضع المزيد من الوزن على معلومات حديثة. كل من إوما و غارتش تضع وزنا أكبر على المعلومات الحديثة. وعلاوة على ذلك، كما إوما هو حالة خاصة من غارتش، كل من إوما و غارتش توظيف تمهيد أسي. غارتش (p، q) وعلى وجه الخصوص غارتش (1، 1) غارتش (p، q) هو نموذج متغاير الانحدار الذاتي الشرطي العام. وتشمل الجوانب الرئيسية: الانحدار الذاتي (أر). تغاير 8217s غدا (أو تقلب) هي وظيفة تراجع من اليوم 8217s التباين 8212it يتراجع على نفسها مشروطة (C). غدا 8217s التباين يعتمد 8212is الشرطي على 8212 أحدث التباين. التباين غير المشروط لن يعتمد على التباين اليوم 8217s هيتيروسكيداستيك (H). الفروق ليست ثابتة، فإنها تتدفق مع مرور الوقت يتراجع جارتش على 8220lagged8221 أو المصطلحات التاريخية. المصطلحات المتخلفة هي إما تباين أو عوائد مربعة. وينحدر النموذج العام غارتش (p، q) على عوائد (p) التربيعية و (q). لذلك، غارتش (1، 1) 8220lags8221 أو يتراجع في الفترة الماضية 8217s مربعة العودة (أي عودة 1 فقط) والفترة الماضية 8217s التباين (أي 1 فقط التباين). غارتش (1، 1) تعطى بالمعادلة التالية. ويمكن إعطاء نفس الصيغة غارتش (1، 1) مع المعلمات اليونانية: هال يكتب نفس المعادلة غارتش على النحو التالي: المصطلح الأول (غل) مهم لأن فل هو متوسط ​​التباين متوسط ​​المدى. ولذلك، (غل) هو منتج: هو المتوسط ​​المرجح التباين المتوسط. يحل النموذج غارتش (1، 1) للتباين الشرطي كدالة لثلاثة متغيرات (التباين السابق، والعائد السابق 2، والتباين البعيد المدى): الثبات هو سمة مدمجة في نموذج غارتش. نصيحة: في الصيغ المذكورة أعلاه، الثبات هو (b c) أو (ألفا-1 بيتا). الثبات يشير إلى مدى سرعة (أو ببطء) التباين يعود أو 8220decays8221 نحو متوسطه على المدى الطويل. ارتفاع الثبات يعادل بطء الاضمحلال وبطيء 8220 ريجيونسيون نحو المتوسط ​​8221 الثبات المنخفض يساوي الانحلال السريع وسريع 8220 الرجوع إلى المتوسط. 8221 إن استمرار 1.0 يعني عدم وجود انعكاس. استمرار أقل من 1.0 يعني 8220 الرجوع إلى المتوسط، 8221 حيث انخفاض الثبات يعني زيادة أكبر إلى المتوسط. نصيحة: كما هو مبين أعلاه، فإن مجموع الأوزان المخصصة للتفاوت المتأخر والعائد التربيعي المتخلف هو الثبات (استمرارية بك). ارتفاع الثبات (أكبر من الصفر ولكن أقل من واحد) ينطوي على عودة بطيئة إلى المتوسط. ولكن إذا كانت الأوزان المخصصة للتفاوت المتأخر والعائد التربيعي المتخلف أكبر من واحد، فإن النموذج غير ثابت. إذا كان (بك) أكبر من 1 (إذا كان بك غ 1)، فإن النموذج غير ثابت، وفقا ل هال، غير مستقر. في هذه الحالة، يفضل إوما. تقول ليندا ألين عن غارتش (1، 1): غارتش على حد سواء 8220compact8221 (أي بسيطة نسبيا) ودقيقة بشكل ملحوظ. نماذج غارتش تسود في البحوث العلمية. وقد حاولت العديد من الاختلافات في نموذج غارتش، ولكن قد تحسنت قليلة على الأصل. عيب نموذج غارتش هو خطيته غير الخطية على سبيل المثال: حل للتفاوت طويل المدى في غارتش (1،1) النظر في معادلة غارتش (1، 1) أدناه: نفترض أن: معلمة ألفا 0.2، معامل بيتا 0.7، ونلاحظ أن أوميغا هو 0.2 ولكن don8217t خطأ أوميغا (0.2) للتباين على المدى الطويل أوميغا هو نتاج غاما والتباين على المدى الطويل. لذلك، إذا ألفا بيتا 0.9، ثم يجب أن تكون غاما 0.1. وبالنظر إلى أن أوميغا هو 0.2، ونحن نعلم أن التباين على المدى الطويل يجب أن يكون 2.0 (0.2 184 0.1 2.0). غارتش (1،1): مجرد الفرق بين هال و ألين إوما هو حالة خاصة من غارتش (1،1) و غارتش (1،1) هو حالة عامة من إوما. الاختلاف البارز هو أن غارتش تتضمن المصطلح الإضافي لمتوسط ​​العائد و إوما تفتقر إلى متوسط ​​العائد. هنا هو كيف نحصل من غارتش (1،1) إلى إوما: ثم تركنا 0 و (بيسي) 1، بحيث تبسط المعادلة أعلاه إلى: وهذا يعادل الآن صيغة المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما): في إوما، المعلمة لامدا يحدد الآن 8220decay: 8221 لامدا التي هي قريبة من واحد (ارتفاع لامدا) معارض تسوس بطيئة. و ريسكمتريكستم أبروتش ريسكمتريكس هو شكل من العلامات التجارية لنهج المتوسط ​​المتحرك المرجح (إوما): يتفاوت لامدا الأمثل (النظري) حسب فئة الأصول، ولكن المعلمة المثلى الإجمالية المستخدمة من قبل ريسمتريكس كانت 0.94. في الممارسة العملية، يستخدم ريسكمتريكس عامل تسوس واحد فقط لجميع السلاسل: 183 0.94 للبيانات اليومية 183 0.97 للبيانات الشهرية (الشهر المحدد على أنه 25 يوم تداول) من الناحية الفنية، فإن النماذج اليومية والشهرية غير متناسقة. ومع ذلك، فهي على حد سواء سهلة الاستخدام، أنها تقارب سلوك البيانات الفعلية بشكل جيد للغاية، وأنها قوية ل ميسبيسيفيكاتيون. ملاحظة: غارتش (1، 1)، إوما و ريسكمتريكس هي كل حدودي وعاد. (غارتش أمب إوما) ملخص نصائح: غارتش (1، 1) هو تعميم ريسكمتريكس، وعلى العكس من ذلك، ريسكمتريكس هو (سديف) ومزايا عيوب ما (أي ستديف) مقابل غارتش ملخص رسومي للأساليب المعلمية التي تعطى المزيد من الوزن للعائدات الأخيرة (1، 1) حيث يكون 0 و (بك) 1. وتعطى غارتش (1، 1) من خلال: المعلمات الثلاثة هي الأوزان، وبالتالي يجب أن تختصر إلى واحد: تلميح: كن حذرا حول المصطلح الأول في غارتش (1، 1) المعادلة: أوميغا () غاما () (متوسط ​​التباين على المدى الطويل). إذا طلب منك التباين، قد تحتاج إلى تقسيم الوزن من أجل حساب متوسط ​​التباين. تحديد متى وما إذا كان ينبغي استخدام نموذج غارتش أو إوما في تقدير التذبذب في الممارسة العملية، تميل معدلات التباين إلى أن تكون عائدة بالتالي، فإن نموذج غارتش (1، 1) هو نظريا متفوقا (8220 أكثر جاذبية من 8221) لنموذج إوما. تذكر، أن 8217s الفرق الكبير: غارتش يضيف المعلمة التي الأوزان على المدى الطويل، وبالتالي فإنه يتضمن متوسط ​​العائد. نصيحة: يفضل غارتش (1، 1) ما لم تكن المعلمة الأولى سالبة (وهو ما يعني ضمنا إذا كان بيتا ألفا غ 1). في هذه الحالة، غارتش (1،1) غير مستقرة ويفضل إوما. اشرح كيف يمكن لتقديرات غارتش أن توفر توقعات أكثر دقة. ويحسب المتوسط ​​المتحرك التباين استنادا إلى نافذة زائدة من الملاحظات، على سبيل المثال. في الأيام العشرة السابقة، 100 يوما السابقة. هناك نوعان من المشاكل مع المتوسط ​​المتحرك (ما): غوستينغ ميزة: الصدمات التقلبات (الزيادات المفاجئة) يتم دمجها فجأة في مقياس ما وبعد ذلك، عندما يمر نافذة زائدة، يتم إسقاطها فجأة من الحساب. ونتيجة لذلك سيتحول مقياس ما فيما يتعلق بطول النافذة الذي تم اختياره لا يتم تضمين معلومات الاتجاه تشير تقديرات غارتش إلى تحسين نقاط الضعف هذه بطريقتين: يتم تعيين المزيد من الملاحظات الأخيرة على أوزان أكبر. هذا يتغلب على الظلال لأن صدمة تقلب سوف تؤثر على الفور تأثير ولكن تأثيرها سوف تتلاشى تدريجيا مع مرور الوقت يتم إضافة مصطلح لدمج الانعكاس إلى المتوسط ​​شرح كيف ترتبط المثابرة إلى العودة إلى المتوسط. نظرا للمعادلة غارتش (1، 1): يتم إعطاء الثبات من قبل: غارتش (1، 1) غير مستقر إذا كان استمرار غ 1. استمرار 1.0 يشير إلى أي انعكاس يعني. انخفاض الثبات (على سبيل المثال 0.6) يشير إلى انحلال سريع وعودة عالية إلى المتوسط. نصيحة: يحتوي غارش (1، 1) على ثلاثة أوزان مخصصة لثلاثة عوامل. والثبات هو مجموع الأوزان المخصصة لكل من التباين المتأخر والعائد التربيعي المتراكم. يتم تعيين الوزن الآخر إلى التباين على المدى الطويل. إذا كان P استمرار و G الوزن المخصصة إلى التباين على المدى الطويل، ثم بغ 1. لذلك، إذا P (استمرار) مرتفع، ثم G (متوسط ​​العائد) منخفضة: سلسلة مستمرة لا يعني بشدة عودته يظهر 8220slow تسوس 8221 نحو تعني. إذا P منخفضة، ثم G يجب أن تكون عالية: سلسلة عابرة لا يعني بشدة عودته يعرض 8220rapid تسوس 8221 نحو المتوسط. ويعطى متوسط ​​التباين غير المشروط في نموذج غارتش (1، 1) من خلال: شرح كيف تقوم إوما بخصم البيانات القديمة بشكل منهجي، وتحديد عوامل إضمحلال اليومية والشهرية ريسكمتريكس 174. ويعطى المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما) من خلال: الصيغة السابقة هي تبسيط متكرر لسلسلة إوما 8220true8221 التي تعطى بواسطة: في سلسلة إوما، يكون كل وزن معين للعودة التربيعية نسبة ثابتة للوزن السابق. على وجه التحديد، لامدا (l) هي نسبة بين الأوزان المجاورة. وبهذه الطريقة، يتم خصم البيانات القديمة بشكل منهجي. الخصم المنهجي يمكن أن يكون تدريجيا (بطيئة) أو مفاجئة، اعتمادا على لامدا. إذا كان لامدا مرتفعا (على سبيل المثال 0.99)، فسيكون الخصم تدريجيا. إذا كان لامدا منخفض (على سبيل المثال 0.7)، يكون الخصم أكثر فجأة. عوامل تسوس ريسكمتريكس تم: 0.94 للبيانات اليومية 0.97 للبيانات الشهرية (الشهر المحدد على أنه 25 يوم تداول) اشرح لماذا يمكن أن تكون ترابطات التنبؤ أكثر أهمية من التنبؤ بالتقلبات. عند قياس مخاطر المحفظة، يمكن أن تكون الارتباطات أكثر أهمية من تقلب الأداة الفردية. ولذلك، فيما يتعلق بمخاطر الحافظة، يمكن أن تكون توقعات الترابط أكثر أهمية من توقعات التقلبات الفردية. استخدام غارتش (1، 1) للتنبؤ بالتذبذب يعطى معدل التباين المستقبلي المتوقع في الفترات (t) إلى الأمام من خلال: على سبيل المثال، افترض أن تقدير التقلب الحالي (الفترة n) يعطى بواسطة غارش التالية (1، 1 ) المعادلة: في هذا المثال، ألفا هو الوزن (0.1) المخصصة للعودة التربيعية السابقة (كان العائد السابق 4)، بيتا هو الوزن (0.7) المخصص للتباين السابق (0.0016). ما هو التقلبات المستقبلية المتوقعة، في عشرة أيام (ن 10) أولا، حل التباين على المدى الطويل. ليس 0.00008 هذا المصطلح هو نتاج التباين ووزنه. منذ الوزن يجب أن يكون 0.2 (1 - 0.1 -0.7)، التباين المدى الطويل 0.0004. ثانيا، نحن بحاجة إلى التباين الحالي (الفترة ن). هذا هو تقريبا أعطيت لنا أعلاه: الآن يمكننا تطبيق صيغة لحل لمعدل التباين في المستقبل المتوقع: هذا هو معدل التباين المتوقع، وبالتالي فإن التقلب المتوقع هو حوالي 2.24. لاحظ كيف يعمل هذا: التقلبات الحالية حوالي 3.69 والتقلب على المدى الطويل هو 2. الإسقاط إلى الأمام لمدة 10 أيام 8220fades8221 المعدل الحالي أقرب إلى معدل المدى الطويل. التنبؤات غير المتناظرة للتذبذبالتجانس الأسي في إيفيوس 8 على الرغم من أن أساليب التمهيد الأسي المخصصة قد استخدمت لعدة عقود، إلا أن التطورات المنهجية الحديثة قد ضمنت هذه النماذج في إطار نموذجي ديناميكي غير خطي حديث. هيندمان، كولر، وآخرون. (2002، إطار عمل الدولة للتنبؤ التلقائي باستخدام أساليب التمدد الأسي، المجلة الدولية للتنبؤ، 18، 439454.) الخطوط العريضة لإطار إتس (E رور-t روند-S إسونال أو E إكسبونينال S S) الذي يحدد وهو يوفر أساسا نظريا لتحليل هذه النماذج باستخدام حسابات الاحتمالات القائمة على الفضاء، مع دعم اختيار النماذج وحساب الأخطاء القياسية المتوقعة. والجدير بالذكر أن إطار إتس يشمل النماذج القياسية إس (على سبيل المثال هولت و هولتوينترس المضافة والطرق المضاعفة)، بحيث يوفر الأساس النظري لما كان سابقا مجموعة من النهج المخصصة. يوفر إيفيوس 8 إتس الأسي تمهيد كإجراء مدمج. أدناه نعرض مثالا على استخدام إتس في إيفيوس. لتوضيح التقدير والتجانس باستخدام نموذج إتس، نتوقع بدء السكن الشهري (هس) للفترة 1985m011988m12. يتم توفير هذه البيانات في ملف العمل hs. wf1. وسوف نستخدم الخطأ المضاعف، والإضافات المضافة، والتضاعف الموسمية (M، A، M) نموذج لتقدير المعلمات باستخدام البيانات من 1959m011984m12 وعلى نحو سلس والتنبؤ ل 1985m11988m12. أولا، تحميل ملف العمل، وفتح سلسلة هس، وحدد بروكسوننتيال سموثينجيتس الأسية تجانس. تغيير القوائم المنسدلة مواصفات نموذج إلى (M، A، M) تعيين نموذج تقدير إلى 1959 1984 أو 1959m01 1984m12 تعيين نقطة نهاية التوقعات إلى 1988m04 وترك الإعدادات المتبقية في القيم الافتراضية الخاصة بهم. عند النقر فوق موافق. ويقدر إيفيوس نموذج إتس، ويعرض النتائج، ويحفظ النتائج السلسة في سلسلة هسم في ملف العمل. وتنقسم النتائج إلى أربعة أجزاء. ويبين الجزء الأول من الجدول الإعدادات المستخدمة في الإجراء إتس، بما في ذلك العينة المستخدمة للتقدير وحالة التقدير. هنا نرى أننا قد قدرنا نموذج (M، A، M) باستخدام البيانات من 1959 إلى 1984، وأن المقدر التقارب، ولكن مع بعض المعلمات في القيم الحدودية. ويبين القسم التالي من الجدول معلمات التجانس (،،) والحالات الأولية x 0 (l 0. b 0 s s. s -1. s -11). لاحظ وجود قيم الصفر الحدودية والتي تشير إلى أن المكونات الموسمية والاتجاهية لا تتغير من قيمها الأولية. الجزء السفلي من مخرجات الجدول يحتوي على إحصاءات موجزة لإجراء التقدير: معظم هذه الإحصاءات لا تحتاج إلى شرح. إن احتمال السجل المضغوط المبلغ عنه هو ببساطة قيمة احتمال الاحتمال في غياب الثوابت غير الضرورية، ويتم توفيره لتسهيل المقارنة مع النتائج التي تم الحصول عليها من مصادر أخرى. ولأغراض المقارنة، قد يكون من المفيد النظر في نموذج إتس الذي يتم الحصول عليه باستخدام اختيار النموذج. لإجراء اختيار النموذج، املأ مربع الحوار كما كان من قبل، ولكن عين كل قائمة من القوائم المنسدلة لمواصفات النموذج إلى تلقائي. لاحظ أنه في الإعدادات الافتراضية، سيتم اختيار أفضل نموذج باستخدام معيار معلومات أكيك. بعد ذلك، انقر على علامة التبويب خيارات وقم بتعيين خيارات العرض لعرض التوقعات وجميع عناصر التحلل في الرسوم البيانية المتعددة، ولإنتاج رسوم بيانية وجداول للتنبؤ واحتمال مقارنات جميع النماذج التي يعتبرها اختيار النموذج إجراء. انقر على موافق لإجراء التنعيم. منذ إيفيوس سوف تنتج عدة أنواع من الإخراج لإجراء، سيتم عرض النتائج في التخزين المؤقت: الجزء الأيسر الناتج يسمح لك لتحديد الإخراج الذي ترغب في عرضه. ببساطة انقر على الإخراج الذي ترغب في عرضه أو استخدام شريط التمرير على الجانب الأيمن من النافذة للانتقال من الإخراج إلى الإخراج. يحتوي ناتج التقدير على المواصفات والتقديرات المقدرة والمعلمات الأولية والإحصاءات الموجزة. ويظهر الجزء العلوي من المخرجات أن معيار إيك للمعايير المحددة في المعيار أكيك هو مواصفات (M، N، M)، مع تقدير معلمة تمهيد المستوى 0.72، والمعلمة الموسمية 0 المقدرة على الحدود. وتشير الإحصاءات الموجزة إلى أن هذه المواصفة تفوق النموذج السابق (M، A، M)، على أساس جميع معايير المعلومات الثلاثة ومتوسط ​​الخطأ المتوسط ​​للمربع، على الرغم من أن الاحتمال أقل وأن سر و رمز هما على حد سواء أعلى قليلا في النموذج المحدد. النقر على الرسم البياني المقارنة إيك في التخزين المؤقت، ونحن نرى نتائج لجميع النماذج المرشحة: لاحظ أن المحدد (M، N، M) والأصل (M، A، M) نموذج هي من بين المواصفات الخمسة مع منخفضة نسبيا إيك القيم. ويبين الرسم البياني لمقارنة التوقعات توقعات نماذج المرشحين: ويبين الرسم البياني كل من الملاحظات القليلة الأخيرة للتنبؤات داخل العينة والتنبؤات خارج العينة لكل من مواصفات إتس الممكنة. وبالإضافة إلى ذلك، أنتجت إعدادات العرض إيتس المختارة لدينا كل من الجدول احتمال الذي يحتوي على الاحتمال الفعلي وقيم أكايك لكل مواصفات، وجدول مقارنة التوقعات، والذي يقدم مجموعة فرعية من القيم المعروضة في الرسم البياني. على سبيل المثال، يتكون جدول الاحتمالات من أخيرا، يحتوي التخزين المؤقت على رسم بياني متعدد يحتوي على القيم الفعلية والمتوقعة للنظام المنسق خلال فترة التقدير والتنبؤ، جنبا إلى جنب مع تحلل السلسلة في المكونات والمكونات الموسمية. للحصول على معلومات المبيعات يرجى ساليسيفيس البريد الإلكتروني للحصول على الدعم الفني يرجى البريد الالكتروني سوبورتيفيوس يرجى تضمين الرقم التسلسلي الخاص بك مع جميع المراسلات البريد الإلكتروني. للحصول على معلومات اتصال إضافية، يرجى الاطلاع على صفحة "حول".