ARMA_RESID - ARMA ajusta los valores de residuos estandarizados

Devuelve un array o matríz de celdas para los residuos estándar de un modelo ARMA dado.

Sintaxis

ARMA_RESID(X, Order, Mean, sigma, phi, theta)

X

es la serie de datos de tiempo univariante (un array dimensional de celdas (Ej. filas o columnas)).

Order

es el orden de tiempo en la serie de datos.(Ej. el primer punto corresponde a las fecha (la más temprana fecha = 1 (por defecto), la más tarde fecha = 0)).

Valor	Order
1	Ascendente (el primer punto corresponde a la fecha menor) (por defecto).
0	Descendiente (el primer punto corresponde a la fecha mayor).

Mean

es el modelo de la media (ej. mu).

sigma

es desviación estándar del modelo residual/innovaciones.

phi

son los parámetros del componente del modelo AR(p) (comenzando con el lag más bajo).

theta

son los parámetros del componente del modelo MA(q) comenzando con el lag más bajo).

Observaciones

1. El modelo subyacente se describe aquí.
2. Las serie de tiempo es homogénea e igualmente espaceada.
3. Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
4. Los resíduos estandarizados tienen una media de cero y una varianza de uno(1).
5. Los resíduos estandarizados del modelo ARMA son definidos como: $$\epsilon_t = \frac{a_t}{\sigma_t}$$ $$a_t = x_t - \hat x_t$$ $$\hat x_t = \mu + \sum_{i=1}^p \phi_i x_{t-i} + \sum_{j=1}^q \theta_j a_{t-j}$$ Where:
   • $\epsilon$ es el resíduo estandarizado del modelo ARMA en el periodo $t$.
   • $a_t$ es el residuo del modelo ARMA en el periodo $t$.
   • $x_t$ es el valor de la series de tiempo en el periodo $t$.
   • $\hat x_t$ es el valor ajustado del modelo (Ej. media condicional) en el periodo $t$. $$1\leq t \leq T$$
   • $T$ es el número de valores no-flatantes en los datos de la muestra.
6. El orden de parámetros en el argumento de entrada - phi - determina el orden del componente AR.
7. El orden de parámetros en el argumento de entrada- theta - determina el orden del componente MA.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia -Modelo autorregresivo de media móvil.

Referencias

• D. S.G. Pollock; Handbook of Time Series Analysis, Signal Processing, and Dynamics; Academic Press; Har/Cdr edition(Nov 17, 1999), ISBN: 125609906.
• James Douglas Hamilton; Time Series Analysis; Princeton University Press; 1st edition(Jan 11, 1994), ISBN: 691042896.
• Tsay, Ruey S.; Analysis of Financial Time Series; John Wiley & SONS; 2nd edition(Aug 30, 2005), ISBN: 0-471-690740.
• Box, Jenkins and Reisel; Time Series Analysis: Forecasting and Control; John Wiley & SONS.; 4th edition(Jun 30, 2008), ISBN: 470272848.
• Walter Enders; Applied Econometric Time Series; Wiley; 4th edition(Nov 03, 2014), ISBN: 1118808568.