Zamanla Değişen Parametreli MA Modeli
Time-Varying Parameter Moving Average Model · Ayrıca şöyle bilinir: TVP-MA model, state-space MA, Kalman filter MA, time-varying MA
Zamanla değişen parametreli hareketli ortalama (TVP-MA) modeli, standart MA modelini, hareketli ortalama katsayılarının zamanla değişmesine izin vererek genişletir. Bir durum-uzay sistemi olarak formüle edilen bu model, Kalman filtresi ve düzelticisi aracılığıyla tahmin edilir, bu da onu şok-aktarım dinamiklerinin örneklem boyunca evrildiği seriler için uygun 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
Artık analizi veya ekonomik akıl yürütme, şokların gecikme yapısının zamanla değiştiğini gösterdiğinde TVP-MA modelini kullanın — örneğin, iş döngüleri, finansal krizler veya büyük politika müdahaleleri etrafında. Standart MA tanıları rejim-bağımlı dinamikleri ortaya çıkardığında veya yuvarlanan pencere MA tahminleri belirgin şekilde sürüklendiğinde uygundur. Örneklem kısa olduğunda (kabaca 80 gözlemden az) kullanmayın, çünkü durum gürültüsü kovaryansı Q güvenilir bir şekilde tahmin edilemez. Ayrıca, sabit parametreli bir MA modeli tüm yanlış belirtme testlerini geçtiğinde de kaçının, çünkü TVP varyantı fayda sağlamadan önemli ölçüde karmaşıklık ekler.
Güçlü yönler & sınırlılıklar
- Ayrık kırılma tarihleri dayatmadan gelişen şok-kalıcılık dinamiklerini yakalar.
- Birleşik durum-uzay çerçevesi, parametre kararlılığı üzerinde kesin olabilirlik değerlendirmesi ve resmi hipotez testi sağlar.
- Kalman düzelticisi, yapısal yorumlama için faydalı olan zamanla değişen MA katsayılarının tam bir tarihsel yörüngesini sağlar.
- Daha büyük TVP-ARIMA veya TVP-VARMA modellerine gömülü MA bileşenlerine doğal olarak genişler.
- Sabit katsayılı MA modellerinin yanlış belirteceği kademeli yapısal değişime karşı dayanıklıdır.
- Q'nun güvenilir tanımlanması için orta derecede büyük bir örneklem (en az 80 gözlem) gerektirir.
- Daha yüksek MA dereceleri için OLS tahminli MA modellerinden hesaplama açısından daha yoğundur.
- Katsayılar için rastgele yürüyüş varsayımı çok esnek olabilir ve düşük sinyalli serilerde aşırı uyuma neden olabilir.
- Durum gürültüsü kovaryansı Q'nun tanımlanması, gerçek parametreler neredeyse sabit olduğunda zayıftır.
- Model seçimi (q'yu seçme ve Q yapısını belirleme) önemli olmayan bir karmaşıklık ekler.
SSS
Bir TVP-MA modeli, bir rejim-anahtarlamalı MA modelinden nasıl farklıdır?
Rejim-anahtarlamalı bir MA modeli, parametrelerin sabit sayıda ayrık durum arasında atladığını varsayarken, TVP-MA katsayıların rastgele yürüyüş yoluyla sürekli olarak sürüklenmesine izin verir. Yapısal değişim kademeli olduğunda TVP-MA tercih edilir; belirgin, ani rejimler beklendiğinde rejim-anahtarlamalı daha iyidir.
Hem AR hem de MA bileşenlerini zamanla değişen parametrelerle dahil edebilir miyim?
Evet. Doğal genişleme, hem otoregresif hem de hareketli ortalama katsayılarının Kalman filtresi çerçevesinde gizli durumlar olarak evrildiği TVP-ARMA modelidir. Her bileşen durumları ekler, bu da hesaplama yükünü artırır.
Bir TVP-MA modelinde MA sırası q'yu nasıl seçerim?
Sabit parametreli MA için kullanılan aynı kriterlerle başlayın: serinin ACF'sini inceleyin ve modelleri bilgi kriterlerine (AIC, BIC) veya örneklem dışı tahmin doğruluğuna göre karşılaştırın. Zamanla değişen katsayıların ek karmaşıklığı göz önüne alındığında, tutumlu dereceleri tercih edin.
Bir TVP-MA modelini hangi yazılım tahmin edebilir?
KFAS ve dlm gibi R paketleri, TVP-MA spesifikasyonları dahil olmak üzere genel durum-uzay modellerini destekler. Python kullanıcıları statsmodels veya pykalman'ı kullanabilir. MATLAB'ın Ekonometri Araç Kutusu da durum-uzay tahmin rutinleri sunar.
Gözlemlenen serinin durağanlığı gerekli midir?
Yenilikler ε_t durağan olmalıdır. Eğer y_t entegre ise, Kalman filtresi özyinelemeleri için hata sürecinin iyi davranışlı olmasını sağlamak üzere TVP-MA modelini uyumadan önce ilk farkını alın.
Kaynaklar
- Harvey, A. C. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 9780521321969
- Durbin, J., & Koopman, S. J. (2012). Time Series Analysis by State Space Methods (2nd ed.). Oxford University Press. ISBN: 9780199641178
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Time-Varying Parameter Moving Average Model. ScholarGate. https://scholargate.app/tr/econometrics/time-varying-parameter-ma-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARMA Modeli (Otokoregresif Hareketli Ortalama)Ekonometri↔ karşılaştır
- Kalman FiltresiBayesçi↔ karşılaştır
- Hareketli Ortalama (MA) ModeliEkonometri↔ karşılaştır
- Zamandan Bağımsız Değişen Parametreli Otoregresif Model (TVP-AR)Ekonometri↔ karşılaştır
- Zamanla Değişen Parametreli ARIMA Modeli (TVP-ARIMA)Ekonometri↔ karşılaştır
- Zamanla Değişen Parametreli ARMA Modeli (TVP-ARMA)Ekonometri↔ karşılaştır