時系列モデル
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2021/02/10 08:10 UTC 版)
時系列モデルは、変数の将来のふるまいを予想または予測するために使用される。これらのモデルは、時間の経過とともに取得されたデータ・ポイントが、考慮すべき内部構造（自己相関、傾向、季節変動など）を持つ可能性があるという事実を説明している。その結果、標準的な回帰手法は時系列データに適用できず、時系列の傾向、季節的、周期的な要素を分解するための方法論が開発されてきた。 時系列モデルは、確率的な成分を含む差分方程式を推定する。これらのモデルの一般的に使用される2つの形式は、自己回帰モデル（AR）と移動平均モデル（英語版）（MA）である。ボックス・ジェンキンス法（英語版）法は、ARモデルとMAモデルを組み合わせて、定常時系列分析の基礎となるARMA（自己回帰移動平均）モデルを生成する。一方、ARIMA（自己回帰和分移動平均（英語版））モデルは、非定常時系列を記述するために用いられる。 近年、時系列モデルはより洗練され、条件付き不等分散性をモデル化しようとする試みがなされている。このようなモデルには、ARCH（分散自己回帰）モデルやGARCH（一般化ARCH）モデルがあり、どちらも金融時系列によく用いられる。
※この「時系列モデル」の解説は、「予測分析」の解説の一部です。
「時系列モデル」を含む「予測分析」の記事については、「予測分析」の概要を参照ください。
ウィキペディア小見出し辞書の「時系列モデル」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。
お問い合わせ。
- 時系列モデルのページへのリンク
