Yapısal Kırılmalı ARIMA Modeli
Structural Break Autoregressive Integrated Moving Average Model · Ayrıca şöyle bilinir: ARIMA with structural breaks, break-adjusted ARIMA, piecewise ARIMA, ARIMA with regime shifts
Yapısal kırılmalı bir ARIMA modeli, standart ARIMA çerçevesini, bir zaman serisinin seviyesindeki, eğilimindeki veya dinamiklerindeki bir veya daha fazla ani değişimi açıkça tanımlayarak ve bunlara uyum sağlayarak genişletir. Tüm örneklem boyunca tek bir ARIMA parametre seti zorlamak yerine, tespit edilen kırılma tarihleri tarafından tanımlanan her rejim için ayrı ARIMA özellikleri uyar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bir zaman serisi, tam örneklem boyunca tek bir ARIMA özelliğiyle yakalanamayan görünür seviye kaymaları, eğilim değişiklikleri veya oynaklıktaki ani değişiklikler gösterdiğinde yapısal kırılmalı bir ARIMA modeli kullanın. Özellikle politika rejimi değişikliklerini kapsayan makroekonomik seriler (GSYH, enflasyon, işsizlik), kriz dönemlerini geçen finansal seriler veya kırılmaları göz ardı etmenin birim kök testlerini bozacağı ve yanıltıcı tahminler vereceği herhangi bir ortam için uygundur. Serinin kısa olduğu durumlarda kullanmayın (yaklaşık 60 gözlemden az), çünkü kırılmalar serbestlik derecelerini hızla tüketir ve minimum segment kısıtlamaları bağlayıcı hale gelir. Ayrıca, görünen kırılmalar aslında yumuşak geçişlerse bundan kaçının — bu durumda yumuşak geçişli bir AR veya Markov anahtarlamalı model daha uygundur.
Güçlü yönler & sınırlılıklar
- Rejime özgü dinamikleri doğru bir şekilde tanımlar ve izole eder, bir dönemin diğerindeki tahminleri bozmasını önler.
- Gelecekteki rejimin tam tarihsel ortalamadan ziyade en son alt döneme benzediği durumlarda tahmin doğruluğunu artırır.
- Göz ardı edilen kırılmalardan kaynaklanan sahte birim kök bulgularını önler, bu da doğru şekilde belirtilmiş farklılaştırma derecelerine yol açar.
- Bai-Perron çerçevesi, rastgele seçimler yerine istatistiksel olarak titiz, veri odaklı kırılma tarihi tahmini sağlar.
- Standart ARIMA çıkarım araçlarıyla uyumludur; her segment ayrı ayrı teşhis edilebilir ve raporlanabilir.
- Yeterince uzun bir seri gerektirir; her rejim, güvenilir ARIMA tahmini için yeterli gözlem içermelidir.
- Parametrelerin çoğalması: k kırılma tespiti, en az (k+1) × (p+d+q) parametre tanıtır, model karmaşıklığını artırır.
- Kırılma tarihi belirsizliği, tahminler için güven aralıklarına her zaman yayılmaz, bu da tahmin belirsizliğini potansiyel olarak hafife alır.
- Ani kırılma varsayımı, gerçek kayma kademeli ise veya birden fazla örtüşen mekanizma değişimi yönlendiriyorsa çok katı olabilir.
SSS
Kaç kırılma izni vermeliyim?
Maksimum 5 kırılma ile başlayın ve Bai-Perron sıralı testinin veya BIC'nin optimal sayıyı belirlemesine izin verin. Pratikte, ekonomik seriler nadiren 30-50 yıllık bir sürede 2-3'ten fazla gerçek kırılma sergiler.
Farklılaştırmadan önce mi yoksa sonra mı kırılmaları test etmeliyim?
Duruma bağlı: Kırılmanın eğilimi etkilediğinden şüpheleniyorsanız seviyelerde, büyüme oranını etkilediğinden şüpheleniyorsanız birinci farklarda kırılmaları test edin. Perron (1989) testleri, birim kök varlığında kırılma tespiti için özel olarak tasarlanmıştır.
Minimum segment uzunluğu nedir?
Yaygın bir kural, kararlı ARIMA tahmini sağlamak için segment başına toplam örneğin en az %15'i (veya minimum 20-30 gözlem) olmasıdır. Bai-Perron çerçevesi, analistin bu kırpma parametresini açıkça ayarlamasına olanak tanır.
Bu, bir Markov anahtarlamalı modelden nasıl farklıdır?
Yapısal bir kırılma ARIMA, kırılmaları sabit tarihlerle tek seferlik kalıcı kaymalar olarak ele alır. Bir Markov anahtarlamalı model, serinin tahmin edilebilir geçiş olasılıklarıyla rejimler arasında gidip gelmesine izin verir. Kalıcı değişiklikler için yapısal kırılmaları ve tekrarlayan döngü benzeri rejim değişimleri için Markov anahtarlamayı kullanın.
Her segmentte birim kökler için yeniden test yapmam gerekiyor mu?
Evet — entegrasyon derecesi rejimler arasında farklılık gösterebilir. Genel olarak I(1) olan bir seri, daha kısa bir alt dönem içinde durağan olabilir, bu nedenle doğru farklılaştırma derecesini seçmek için her segmentte ADF veya KPSS testlerini ayrı ayrı uygulayın.
Kaynaklar
- Bai, J., & Perron, P. (1998). Estimating and testing linear models with multiple structural changes. Econometrica, 66(1), 47-78. DOI: 10.2307/2998540 ↗
- Perron, P. (1989). The great crash, the oil price shock, and the unit root hypothesis. Econometrica, 57(6), 1361-1401. DOI: 10.2307/1913712 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Structural Break Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/tr/econometrics/structural-break-arima-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARIMA Modeli (Otokorelasyonlu Entegre Hareketli Ortalama)Ekonometri↔ karşılaştır
- Bai-Perron Çoklu Yapısal Kırılma TestiEkonometri↔ karşılaştır
- Yapısal Kırılma için Chow TestiEkonometri↔ karşılaştır