بازه های پیشگویی بوت استرپ برای مدل سری زمانی خودرگریسو ناایستا

در مدل های سری زمانی خودرگرسیو (AR) تحلیل داده های سری زمانی معمولا مبتنی بر فرض نرمال بودن باقیمانده ها است . در روش بوت استرپ بدون نیاز به توزیع باقیمانده ها استنباط انجام می شود . در این مقاله ابتدا به معرفی برآوردگرهای کمترین مربعات، شامان – اشتین، آندروس – چن و روی – فولر، برای مدل های سری زمانی خودرگرسیو (AR) ناایستا پرداخته می شود ، که هر دو برآوردگر روی- فولر ، آندروس – چن اصلاحی برای برآوردگر کمترین مربعات است و بعد از آن تصحیح اریبی پارامترها به روش بوت استرپ تشریح شده و نهایتا به محاسبه ی بازه های پیشگویی بوت استرپ برای برآوردگرها پرداخته شده است و سپس در نمونه هایی با اندازه های متفاوت به بررسیشبیه سازی برای بازه های پیشگویی بوت استرپ پرداخته شده و در آخر برای بررسی این بازه های پیشگویی ، به تحلیلداده ها ی واقعی پرداخته می شود.

کلیدواژه ها:

شبیه سازی مونت کارلو ، فاصله های پیشگویی بوت استرپ ، سری زمانی خودرگرسیو ، تصحیح اریبی پارامترها