Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Модель Фурье ковзного середнього (Fourier MA)× | Модель ARIMA (Авторегресійна інтегрована ковзна середня)× | |
|---|---|---|
| Галузь | Економетрика | Економетрика |
| Родина | Regression model | Regression model |
| Рік появи≠ | 1990s–2000s | 1970 |
| Автор методу≠ | Harvey, A. C.; Hyndman, R. J. | George Box and Gwilym Jenkins |
| Тип≠ | Time series model | Time series forecasting model |
| Основоположне джерело≠ | Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗ | Box, G. E. P., & Jenkins, G. M. (1970). Time Series Analysis: Forecasting and Control. Holden-Day. link ↗ |
| Інші назви | Fourier MA, Fourier-augmented moving average, trigonometric MA model, harmonic moving average model | ARIMA, Box-Jenkins model, integrated ARMA, ARIMA(p,d,q) |
| Пов'язані≠ | 2 | 6 |
| Підсумок≠ | The Fourier MA model combines a Moving Average (MA) error structure with Fourier series terms — sine and cosine pairs — to capture complex or high-frequency seasonal patterns in time series data. It is particularly useful when the seasonal period is long or irregular, making classical seasonal ARIMA parameterisation infeasible. | The ARIMA(p,d,q) model is the standard workhorse for univariate time series forecasting. It combines autoregressive terms (past values), differencing to induce stationarity, and moving average terms (past shocks) into a unified linear framework. Developed by Box and Jenkins (1970), it remains one of the most widely applied models in econometrics and applied statistics. |
| ScholarGateНабір даних ↗ |
|
|