ScholarGate
Assistent
Regression modelEconometrics / time series

Robust ARMA-modell

Den robusta ARMA-modellen utvidgar det klassiska ramverket för Autoregressive Moving Average genom att ersätta den känsliga minsta-kvadratförlusten med metoder för skattning som är resistenta mot extremvärden – typiskt M-skattare eller medianbaserade metoder. Detta skyddar koefficientuppskattningarna och prognoserna från att förvrängas av additiva extremvärden, nivåförskjutningar eller innovativa extremvärden som är vanliga i ekonomiska och finansiella tidsserier.

Tillämpa med EconMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

The neighbourhood of related methods — select a node to explore.

Källor

  1. Franses, P. H., & Ghijsels, H. (1999). Additive outliers, GARCH and forecasting volatility. International Journal of Forecasting, 15(1), 1-9. link
  2. Martin, R. D., & Yohai, V. J. (1986). Influence functionals for time series. The Annals of Statistics, 14(3), 781-818. link

Så citerar du den här sidan

ScholarGate. (2026, June 3). Robust Autoregressive Moving Average Model. ScholarGate. https://scholargate.app/sv/econometrics/robust-arma-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.

Compare side by side

Refereras av

ScholarGateRobust ARMA Model (Robust Autoregressive Moving Average Model). Hämtad 2026-06-15 från https://scholargate.app/sv/econometrics/robust-arma-model · Datamängd: https://doi.org/10.5281/zenodo.20539026