Model MA

Model MA, model ze średnią ruchomą (Szablon:Ang.) – parametryczny model szeregu czasowego (pewna realizacja procesu losowego), często stosowany w analizie szeregów czasowych z jedną zmienną. Notacja $MA(q)$ odnosi się do modelu $MA$ rzędu $q:$

$X_t=\mu +{\epsilon }_t+{\theta }_1{\epsilon }_{t-1}+\dots +{\theta }_q{\epsilon }_{t-q}$

co można zapisać też:

$X_t=\mu +{\epsilon }_t+\sum _{i=1}^q{\theta }_i{\epsilon }_{t-i},$

gdzie:

$\mu$ – średnia szeregu czasowego, czyli wartość oczekiwana $X_t$ (często przyjmuje się, że równa jest zero),

${\theta }_1,\dots ,{\theta }_q$ – parametry modelu,

${\epsilon }_t,{\epsilon }_{t-1},\dots$ – wyrażenia odpowiadające błędowi szumu białego.

$q$ – rząd modelu MA.

Pojęciowo model MA jest regresją liniową bieżącej wartości szeregów w odniesieniu do poprzednich (niezaobserwowanych) czynników błędu, związanych z białym szumem, lub przypadkowych zaburzeń. Zakłada się, że takie przypadkowe zaburzenia w każdym z punktów, pochodzą z tego samego rozkładu, zwykle rozkładu normalnego z umiejscowieniem w zerze i stałą skalą. Charakterystyczna dla tego modelu jest propagacja losowych zaburzeń do przyszłych wartości szeregów czasowych. Dopasowywanie estymat w tym modelu zachodzi w znacznie bardziej skomplikowany sposób niż w modelach AR, czyli modelach autoregresyjnych, ponieważ wyrażenia związane z błędem są nieobserwowalne. Oznacza to, że muszą być stosowane nieliniowe, iteracyjne procedury dopasowania zamiast liniowych procedur najmniejszych kwadratów. Interpretacja modeli MA jest mniej oczywista niż w przypadku modeli AR.

Niekiedy funkcja autokorelacji i funkcja częściowej autokorelacji sugeruje, że model MA byłby bardziej odpowiedni, a czasami zarówno wyrażenie odpowiadające modelowi AR, jak i modelowi MA powinno być użyte w tym samym modelu. Jednak wyrażenia związane z błędem po dopasowaniu modelu powinny być niezależne i powinny spełniać standardowe założenia dla procesów z jedną zmienną: losowe wykresy z ustalonego rozkładu z rozkładem posiadającym ustaloną lokalizację i z dystrybucją posiadającą stałą zmienność.

Model MA jest zasadniczo filtrem o skończonej odpowiedzi impulsowej, na który nałożono pewną dodatkową interpretację. Ponadto model ten i model AR są dualne (względem siebie) – każdy proces opisany modelem AR o skończonym rzędzie można opisać modelem MA o nieskończonym rzędzie (i odwrotnie).

Inne rodzaje modeli wykorzystywanych w identyfikacji:

• model AR, model ARX, model ARMAX, model ARMA, model ARIMA,
• model MAX.

Zobacz też

• modele parametryczne