Временные ряды AR(1) и стационарность простыми словами: модель с «памятью золотой рыбки»

Добро пожаловать в увлекательный мир анализа временных рядов. Представьте себе золотую рыбку, плавающую в аквариуме с трехсекундной памятью. В статистике существует модель, которая ведет себя точно так же, как этот «забывчивый» процесс: авторегрессионная модель первого порядка, или просто AR(1). Разберем название: «Авто» (самостоятельно) и «Регрессивный» (с шагом назад). Модель AR(1) предсказывает будущее, анализируя непосредственное прошлое. Проанализируем математическую основу: Y_t = c + Phi * Y_(t-1) + Error Ключевой момент — Phi (параметр устойчивости): Стационарность: процесс обладает «кратковременной памятью». Подобно резинке, он всегда возвращается к среднему значению. Это классическая «память золотой рыбки». Случайное блуждание (Phi = 1): процесс идеально все запоминает. Всплески никогда не затухают. Мы сравниваем это с «пьяным человеком, идущим пешком», — концепция, имеющая решающее значение для понимания цен на акции. Мы используем примеры из реальной жизни, такие как ежедневная температура (высокая устойчивость), и объясняем, как обнаружить процесс AR(1) с помощью автокорреляционной функции (АКФ). Мы ищем «геометрический распад» — когда корреляция со временем исчезает, как память. Наконец, мы обсуждаем приложения в экономике (прогнозирование ВВП) и методологию Бокса-Дженкинса. 📚 Библиография и научные публикации: Этот урок соответствует основам анализа временных рядов, изложенным в: «Анализ временных рядов» — Джеймс Д. Гамильтон «Анализ временных рядов: прогнозирование и управление» — Бокс и Дженкинс «Основы эконометрики» — Дамодар Н. Гуджарати