Page 244 - 4512

них параметрів, то константа представляє середню для проди-
ференційованого ряду і, відповідно, кутовий коефіцієнт ліній-
ної тенденції для недиференційованого ряду.

14.2.3 ARIMA - Фаза Ідентифікації

Число параметрів, які будуть оцінені. Перш, ніж почати
оцінювання, ми повинні вибрати для ідентифікації число і тип
параметрів ARIMA, які будуть оцінені. Головні інструменти,
використовувані у фазі ідентифікації, являються графіки ряду,
корелограми автокореляції (ACF) і часткової автокореляції
(PACF). Рішення не є простим, і в менш типових випадках ви-
магає не лише перевірки, але також і значного експерименту-
вання з альтернативними моделями. Проте, більшість емпірич-
них мінливостей часового ряду можуть бути наближене апрок-
симовано однією з 5 базових моделей, які можуть бути іденти-
фіковані на основі форми автокорелограми (ACF) і часткової
автокорелограми (PACF). Крім того, зауважимо, що, оскільки
число параметрів для оцінювання кожного виду не перевищує
2, то часто практично спробувати альтернативні моделі на тих
же самих даних.
1. Один авторегресивний параметр (p) : ACF - показовий
розпад; PACF - пік для затримки 1, відсутність кореляції для
інших затримок.
2. Два авторегресивні параметри (p) : ACF - модель фо-
рми синусоїди або ряд показових розпадів; PACF - піки для за-
тримки 1 і 2, відсутність кореляції для інших затримок.
3. Один параметр ковзаючого середнього (q) : ACF - пік
для затримки 1, відсутність кореляції для інших затримок;
PACF - загасання по експоненті.
4. Два параметри ковзаючої середньої (q) : ACF - піки для
затримки 1 і 2, відсутність кореляції для інших затримок; PACF
- модель форми синусоїди або ряд показових розпадів.
5. Один авторегресійний (p) і один параметр ковзаючого
середнього (q) : ACF - показовий розпад, що починається в за-
тримці 1; PACF - показовий розпад, що починається в затримці
1.

243