Mô hình tự hồi quy (AR) và phân rã Wold The autoregressive (AR) model and Wold’s decomposition Giới thiệu Chào mừng các bạn đến với bài học thứ ba trong chuỗi bài về quá trình ngẫu nhiên. Nếu như ở bài trước, mô hình Trung bình trượt (MA) giải thích một chuỗi thời gian thông qua các cú sốc ngẫu nhiên trong quá khứ, thì bài học hôm nay sẽ giới thiệu một góc nhìn khác: giá trị của chuỗi tại thời điểm hiện tại phụ thuộc trực tiếp vào chính các giá trị của nó trong quá khứ. Đây chính là ý tưởng cốt lõi đằng sau mô hình (Autoregressive – AR). Hãy tưởng tượng một quả lắc đồng hồ đang dao động. Vị trí của nó ở giây tiếp theo phụ thuộc rất nhiều vào vị trí và vận tốc của nó ở giây hiện tại. Tương tự, trong kinh tế, GDP của quý này thường có mối liên hệ chặt chẽ với GDP của quý trước; lạm phát tháng này cũng bị ảnh hưởng bởi lạm phát …
Các bài đã xem
- Phân tích danh mục đầu tư trung bình-phương sai
- Xây dựng mô hình quốc gia (VARX*)
- Thực hành đánh giá dự báo với Stata
- So sánh các dự báo bằng hàm mất mát
- Hướng dẫn thực hành VaR trên Stata
- Phương sai thay đổi trong Chuỗi thời gian
- Ước lượng mô hình ARIMA với Stata
- Kiểm định dấu và tỷ số Cowles-Jones
- Thực hành tổng hợp các kiểm định vững
- Quản lý và nhập dữ liệu trong Stata
-
Xem thêm