基于结构方程模型改进ARMA模型参数估计

摘要

自回归移动平均模型(ARMA模型)是目前最常用的拟合平稳序列的模型;分为AR模型、MA模型和ARMA模型三大类.通常将自回归模型(AR)、移动平均模型(MA)或自回归移动平均模型(ARMA),称作ARIMA模型体系,是一个重要的预测工具,成为时间序列分析中许多基本思想的基础.针对时间序列数据分析中ARMA模型的识别、建立和估计问题,提出一种将SEM结构方程应用于ARMA模型参数估计的改进算法,以加快计算的收敛速度和提高模型参数估计的精确度.通过将时间序列数据的协方差式子进行变换,发现其结果满足结构方程对变量协方差的要求.结果表明,可以将SEM结构方程应用于ARMA模型来处理时间序列模型数据.