Najlepsze pytania
Chronologia
Czat
Perspektywa

Szereg czasowy

Z Wikipedii, wolnej encyklopedii

Szereg czasowy
Remove ads

Szereg czasowy – ciąg uporządkowanych danych pochodzących z obserwacji lub eksperymentów dokonywanych w określonych jednostkach czasu. W modelowaniu statystycznym szereg czasowy jest traktowany jako realizacja procesu stochastycznego, którego dziedziną jest czas[1]. Szeregi czasowe służą do wykrywania trendów statystycznych występujących w zebranych danych[2]. Matematyczne modelowanie trendów i analiza statystyczna szeregów czasowych jest podstawą większości metod prognozowania statystycznego stosowanego w wielu dziedzinach od meteorologii po giełdową analizę techniczną[3].

Thumb
Przykładowy, sztucznie wygenerowany szereg czasowy na który składa się 1000 punktów pomiarowych, w którym występują następujące składniki: silny czynnik losowy, stały trend wznoszący i wahania cykliczne. Czarna linia: wyjściowy szereg czasowy, linia czerwona i niebieska: wygładzenie szeregu metodą średnich ruchomych - czerwona - (średnia z 10 kolejnych wartości) - ilustruje wahania cykliczne, niebieska: (średnia ze 100 kolejnych wartości) - ilustruje stały trend wznoszący

Przykładem szeregu czasowego jest zbiór temperatur powietrza mierzonego w regularnych odstępach czasu przez stację meteorologiczną czy zbiór wartości indeksów giełdowych ogłaszanych na koniec każdej sesji giełdowej.[3]

Remove ads

Notacja

Do oznaczania ciągów czasowych stosowane są różne notacje. Często ciąg czasowy indeksowany liczbami naturalnymi zapisuje się jako

Inna notacja to zapis:

gdzie to zbiór indeksujący.

Remove ads

Własności

Wyróżnia się następujące typowe składowe szeregu czasowego[2]:

Badaniem własności szeregów czasowych i prognozowaniem na ich podstawie zajmuje się analiza szeregów czasowych.

Modele szeregów czasowych mają wiele postaci. Trzy popularne klasy modeli szeregów czasowych to[3]:

Złożenia tych trzech klas to m.in.

  • modele autoregresyjne ze średnią ruchomą (ARMA),
  • zintegrowane modele autoregresyjne ze średnią ruchomą (ARIMA).

Wykorzystuje się również bardziej złożone klasy modeli. Przykładem są modele autoregresji z heteroskedastycznością warunkową, np. CGARCH, EGARCH, FIGARCH, GARCH, stosowane w ekonometrii finansowej.

Remove ads

Przypisy

Zobacz też

Loading related searches...

Wikiwand - on

Seamless Wikipedia browsing. On steroids.

Remove ads