Это говорит о том, что добавление ошибки наблюдения
может изменить порядок модели АРСС,
хотя
и не обяза-
тельно.
5. АР (р) + СС (?) = АРСС (р, р + q).
Этот случай также можно интерпретировать либо как
агрегирование, либо как наложение ошибки наблюдения,
не
являющейся белым шумом.
Итак,
в
четырех
из пяти рассмотренных случаев, кроме
случая 3, после сложения независимых рядов были полу-
чены смешанные модели авторегрессии — скользящего сред-
него. Между тем требование независимости рядов может
быть несколько ослаблено и получены те же выводы. Пред-
положим, что каждый ряд, входящий в
агрегат,
состоит из
двух
компонент. Одна компонента, общая для
всех
рядов,
представляет влияние общеэкономических факторов, а дру-
гая не зависит от первой и характерна только для данного
ряда. Тогда для каждой компоненты
могут
быть приняты
простые модели, а после агрегирования получена общая
модель суммы рядов в соответствии с основной теоремой.
Такие модели успешно использовались за
рубежом
при ана-
лизе цен на фондовой бирже и
доходов
фирм.
Наконец,
рассмотрим еще один случай, когда x
t
и y
t
ге-
нерированы авторегрессионной схемой
двух
переменных с
обратной
связью
a (B)x
t
-f Ь (B)y
t
= г
и
с
(B)x
t
+d
(В)у^Щ>
где &
t
, щ — некоррелированные белые шумы;
Ь (0) - с (0)
==
0.
Модель, описывающая только х
ь
определяется элими-
нированием y
t
и имеет вид: [a (B)d (В) — с (В)Ь (В) ]x
t
=
=
d (B)e
t
+ b (B)u
t
.
Таким
образом, вновь появляется модель АРСС (р,ф
и
легко показать, что вообще р> q.
Рассмотренные случаи говорят о том, что по-видимому,
многие реальные данные описываются моделью АРСС. Фак-
тически можно сделать вывод, что наиболее вероятной мо-
делью
на практике
будет
смешанная модель авторегрессии —
скользящего среднего, что надо учитывать на стадии иден-
тификации.
§ 6. .ПРИМЕРЫ
Метод Бокса и Дженкинса был испытан на рядах
курса акций фирмы ИБМ и цен на золото.
Ряд
ИБМ
также был разделен на 3 отрезка по 48 точек,
а ряд цен на золото — на 6 отрезков по 60 точек. Для каж-
200