SARIMA - Definición del Modelo SARIMA

Devuelve un identificador de cadena única para designar el modelo especificado SARIMA.

Sintaxis

SARIMA (µ, σ, d, [φ], [θ], s, sd, [sφ], [sθ])

µ

Opcional. Es la media del modelo ARMA (Ej. mu). Si falta, la media es asumida como cero.

σ

Obligatorio. Es el valor de la desviación estándar del modelo residual/innovaciones.

D

Obligatorio. es el orden no diferencial no estacional.

[φ]

Opcional. son los parámetros del componente AR(p) del modelo AR no estacional: [φ1, φ2 … φp] (comenzando con el retraso menor (lag)).

[θ]

Opcional. son los parámetros del componente MA(q) del modelo MA no estacional: [θ1, θ2 … θq] (comenzando con el retraso menor (lag)).

S

Opcional. Es el número de observaciones por un periodo (Ej. 12 = Anual, 4 = Trimestral).

sD

Opcional. Es el orden diferencial estacional.

[sφ]

Opcional. Son los parámetros del componente del modelo AR estacional AR(PP): [sφ1, sφ2 … sφpp] (comenzando con el retraso menor (lag)).

[sθ]

Opcional. son los parámetros del componente del modelo MA estacional MA(QQ): [sθ1, sθ2 … sθqq] (comenzando con el retraso menor (lag)).

Observaciones

1. El modelo subyacente se describe aquí.
2. El argumento medio a largo plazo (µ) puede tomar cualquier valor o ser omitido, en ese caso el valor cero es asumido.
3. Los residuos de la desviación estándar - (σ) - deben ser mayores que cero.
4. Para los argumentos de entrada - ([φ]) (parámetros del componente AR no estacional):
• El argumento de entrada es opcional y pude ser omitido, en ese caso un componente no estacional AR es incluido.
• El orden de los parámetros comienza con el lag más bajo.
• Uno o más parámetros puede tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.).
• El orden de los componentes del modelo no estacionarios AR es solamente determinado por el orden del último valor en el array o matriz con un valor numérico (vs. faltante o error).
5. Para el argumento de entrada - ([θ]) (parámetros del componente no estacionario MA):
• El argumento de entrada es opcional y pude ser omitido, en ese caso un componente no estacional MA es incluido.
• El orden de los parámetros comienza con el lag más bajo.
• Uno o más parámetros puede tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.)
• El orden de los componentes del modelo no estacionarios MA es solamente determinado por el orden del último valor en el array o matriz con un valor numérico (vs. faltante o error).
6. Para el argumento de entrada - ([sφ]) (parámetros del componente estacionario AR):
• El argumento de entrada es opcional y pude ser omitido, en ese caso un componente no estacional AR es incluido.
• El orden de los parámetros comienza con el lag más bajo.
• Uno o más parámetros puede tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.)
• El orden de los componentes del modelo no estacionarios AR es solamente determinado por el orden del último valor en el array o matriz con un valor numérico (vs. faltante o error).
7. Para el argumento de entrada - ([sθ]) (parámetros del componente estacionario MA):
• El argumento de entrada es opcional y puede ser omitido, en ese caso no se incluye ningún componente MA estacional.
• El orden de los parámetros comienza con el lag más bajo.
• Uno o más parámetros puede tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.)
• El orden de los componentes del modelo no estacionarios MA es solamente determinado por el orden del último valor en el array o matriz con un valor numérico (vs. faltante o error)
8. El orden integrador no estacionario - (d) - es opcional y puede ser omitido, en este caso d asume un valor cero
9. El orden integrador estacionario - (sD) - es opcional y puede ser omitido, en este caso sD asume un valor cero.
10. La duración de la estación - (s) - es opcional y puede ser omitido en este caso se asume un valor cero (Ej. plain ARIMA).
11. la función fue adicionada en versión 1.63 SHAMROCK.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Modelo Autorregresivo de media móvil.

Referencias

• James Douglas Hamilton; Análisis de series de tiempo; 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.