Doğrusal Olmayan ARMA Modeli (NARMA)
Nonlinear Autoregressive Moving Average Model · Ayrıca şöyle bilinir: NARMA, nonlinear ARMA, NLARMA, nonlinear autoregressive moving average
Doğrusal Olmayan ARMA (NARMA) modeli, klasik doğrusal ARMA çerçevesini, koşullu ortalamanın geçmiş gözlemlere ve geçmiş hatalara keyfi bir doğrusal olmayan fonksiyon aracılığıyla bağlı olmasına izin vererek genişletir. Rejim değişiklikleri, asimetrik döngüler ve eşik etkileri gibi doğrusal modellerin kaçırdığı karmaşık dinamikleri yakalar ve bu da onu ekonomik ve finansal zaman serileri için değerli kılar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
BDS testi, Tsay'ın doğrusal olmama testi veya ARCH-LM testi gibi tanı testleri koşullu ortalamanın doğrusal olmadığını gösteriyorsa veya ekonomik teori asimetrik tepkiler (örneğin, durgunluklar ve genişlemeler) öngörüyorsa bir NARMA modeli kullanın. Orta ila büyük örneklemler (en az 100–200 gözlem) ve tek değişkenli veya düşük boyutlu çok değişkenli seriler için uygundur. Tanı testlerini geçen iyi belirtilmiş bir doğrusal ARMA modeli olduğunda, örneklem küçük olduğunda (yaklaşık 80 gözlemden az) veya yorumlanabilirlik en önemli olduğunda ve karmaşık bir fonksiyon paydaşlara haklı çıkarılamadığında kullanmayın.
Güçlü yönler & sınırlılıklar
- Doğrusal ARMA modellerinin sistematik olarak kaçırdığı asimetrik, eşik ve rejim değiştiren dinamikleri yakalar.
- Özel durumlar olarak geniş bir belirli model sınıfını (TAR, STAR, bilineer, NN-AR) kapsar, bu nedenle birleştirici bir teorik çerçeve sağlar.
- Ekonomik ve finansal serilerde bilinen doğrusal olmayan örüntüler için örneklem dışı tahmin doğruluğunu önemli ölçüde iyileştirebilir.
- Doğrusal olmayan otoregresif ve hareketli ortalama doğrusal olmama durumlarını barındırır, saf doğrusal olmayan AR modellerinden daha fazla esneklik sağlar.
- Tahmin öncesinde model seçimini yönlendiren iyi geliştirilmiş belirleme testleri (BDS, Tsay, RESET) ile desteklenir.
- Tahmin hesaplama açısından yoğundur ve yerel minimumlara yakınsayabilir; küresel arama stratejileri gereklidir.
- Model seçimi (fonksiyonel form, p ve q derecelerinin seçimi) uzmanlık ve dikkatli test gerektirir, aşırı uyum riskini artırır.
- Güvenilir parametre tahmini ve çıkarım için makul derecede büyük örneklemler - en az 100–200 gözlem - gerektirir.
- Çok adımlı tahminlerin hesaplanması ve yorumlanması doğrusal duruma göre daha zordur, genellikle simülasyon gerektirir.
- Doğrusal olmayan fonksiyon f'nin yorumlanabilirliği, doğrusal katsayılara kıyasla sınırlıdır, politika kullanımı için şeffaflığı azaltır.
SSS
NARMA modeli standart bir ARMA modelinden nasıl farklıdır?
Doğrusal bir ARMA modeli, y_t'yi geçmiş değerlerin ve geçmiş hataların sabit bir doğrusal kombinasyonu olarak ifade eder. Bir NARMA modeli, bu doğrusal kombinasyonu keyfi bir doğrusal olmayan fonksiyon f ile değiştirerek, geçmiş gözlemlerin ve şokların etkisinin serinin mevcut durumuna göre değişmesine izin verir.
NARMA modeline ne zaman ihtiyacım olduğunu nasıl anlarım?
Taahhüt etmeden önce doğrusal olmama testlerini çalıştırın: genel doğrusal olmayan bağımlılık için BDS testi, eşik tipi doğrusal olmama için Tsay testi ve varyans doğrusal olmama için ARCH-LM. Koşullu ortalama testleri doğrusaliyeti reddederse, bir NARMA belirtimi gereklidir. Yalnızca varyans testleri reddederse, GARCH yeterli olabilir.
NARMA şemsiyesi altına hangi özel modeller girer?
Yaygın özel durumlar arasında Eşik AR (TAR), Pürüzsüz Geçiş AR (STAR), bilineer modeller (burada f gecikmelerin ve hataların çarpımlarını içerir) ve sinir ağı AR modelleri bulunur. Seçim, testler ve ekonomik teori tarafından önerilen doğrusal olmama biçimine bağlıdır.
NARMA kısa zaman serileri için uygun mudur?
Genellikle hayır. Doğrusal olmayan tahmin parametre açısından açtır; yaklaşık 80-100 gözlemden azı tipik olarak geniş güven aralıklarıyla güvenilmez tahminler verir. Kısa seriler için, daha basit bir rejim değiştirme belirtimi veya yapısal kırılmalarla doğrusal bir model düşünün.
NARMA modeli için çok adımlı tahminler nasıl hesaplanır?
Doğrusal olmayan bir fonksiyonun beklentisi, beklentinin fonksiyonundan farklı olduğundan, iteratif nokta ikamesi tahmin belirsizliğini hafife alır. Güvenilir çok adımlı tahmin aralıkları oluşturmak için simülasyon tabanlı yöntemler - Monte Carlo entegrasyonu veya bootstrap artık yeniden örneklemesi - tercih edilir.
Kaynaklar
- Tong, H. (1990). Non-linear Time Series: A Dynamical System Approach. Oxford University Press. ISBN: 978-0198522300
- Granger, C. W. J., & Terasvirta, T. (1993). Modelling Nonlinear Economic Relationships. Oxford University Press. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Nonlinear Autoregressive Moving Average Model. ScholarGate. https://scholargate.app/tr/econometrics/nonlinear-arma-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARCH Modeli (Otoregresif Koşullu Heteroskedastisite)Ekonometri↔ karşılaştır
- ARMA Modeli (Otokoregresif Hareketli Ortalama)Ekonometri↔ karşılaştır