مدل خودرگرسیون میانگین متحرک با پارامترهای متغیر با زمان (TVP-ARIMA)
مدل خودرگرسیون میانگین متحرک با پارامترهای متغیر با زمان (TVP-ARIMA) چارچوب کلاسیک ARIMA را با اجازه دادن به ضرایب خودرگرسیون و میانگین متحرک برای تحول در طول زمان به جای ثابت ماندن، گسترش میدهد. این مدل که در قالب فضای حالت ریخته شده و از طریق فیلتر کالمن تخمین زده میشود، برای سریهای زمانی اقتصادی و مالی طراحی شده است که ساختار پویا آنها در پاسخ به شکستهای ساختاری، تغییرات سیاست یا گذارهای رژیم، تغییر میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 9780521405737
- Cooley, T. F., & Prescott, E. C. (1976). Estimation in the Presence of Stochastic Parameter Variation. Econometrica, 44(1), 167–184. DOI: 10.2307/1911389 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Time-Varying Parameter Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/fa/econometrics/time-varying-parameter-arima-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- مدل آریما (میانگین متحرک یکپارچه خودرگرسیو)اقتصادسنجی↔ compare
- فیلتر کالمنبیزی↔ compare
- مدل فضای حالت (فیلتر کالمن)اقتصادسنجی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →