Vektör Otoregresyon (VAR) Modeli

ARIMA tek bir zaman serisini kendi geçmişinden modellerken, VAR birkaç seriyi birlikte modeller, böylece her değişken sistemdeki her değişkenin yakın geçmişine bağlıdır. Seriler birbirini etkilediğinde VAR doğru seçimdir; yalnızca tek bir seriyi tahmin etmeniz gerektiğinde ARIMA yeterlidir.

p'yi AIC veya BIC gibi bir bilgi kriteri ile seçin, modeli birkaç gecikme uzunluğunda uydurun ve kriterin tercih ettiğiyi saklayın. Çok az gecikme artık otokorelasyon bırakır; çok fazlası parametre sayısını şişirir.

VAR katsayıları durağan olmayan serilerde tutarsızdır. Veriyi durağan hale getirmek için ilk farkını alın veya eşbütünleşme için test yapın — seriler eşbütünleşmiş olduğunda, bir Vektör Hata Düzeltme Modeli (VECM) hem kısa vadeli dinamikleri hem de uzun vadeli dengeyi yakalar.

Parametre sayısı, değişken sayısı çarpı gecikme uzunluğu ile ölçeklenir, bu nedenle birkaç değişkenli ve birkaç gecikmeli bir sistem çok sayıda katsayı gerektirebilir. Yaklaşık 60 gözlemden az olduğunda bu aşırı parametrelendirmeye yol açar ve ARIMA gibi daha tutumlu bir model daha güvenilir olabilir.