开发者:上海品职教育科技有限公司 隐私政策详情

应用版本:4.2.11(IOS)|3.2.5(安卓)APP下载

云烟2023 · 2021年02月03日

问一道题:NO.PZ2019040801000061 [ FRM I ]

问题如下:

Regarding the usefulness of an autoregressive (^AR) process and an autoregressive moving average process when modeling seasonal data, Which of the following statements is correct ?

选项:

A.

They both include lagged terms and, therefore, better capture a relationship in motion.

B.

They both specialize in capturing only the random movements in time series data.

C.

The autoregressive process is the best at capturing only random movements.

D.

All the above.

解释:

A is correct

考点:MA process and AR process

解析:autoregressive 模型和 autoregressive moving average 模型都可以预测周期性的数据,因为他们都使用延迟性的观测数据。

autoregressive moving average在预测random movements时更好一些。

A选项,怎么判断是问谁更优?是从题目中吗?
1 个答案
已采纳答案

小刘_品职助教 · 2021年02月03日

同学你好,

A选项的比较对象是指一般的回归,不是MA和AR之间的比较,确实表述不太好~

  • 1

    回答
  • 0

    关注
  • 558

    浏览
相关问题

NO.PZ2019040801000061 问题如下 Regarng the usefulness of autoregressive (^AR) process anautoregressive moving average process when moling seasontWhiof the following statements is corre? A.They both inclu laggeterms an therefore, better capture a relationship in motion. B.They both specialize in capturing only the ranm movements in time series t C.The autoregressive process is the best capturing only ranm movements. All the above. A is correct考点MA process anprocess解析autoregressive 模型和 autoregressive moving average 模型都可以预测周期性的数据,因为他们都使用延迟性的观测数据。autoregressive moving average在预测ranm movements时更好一些。 烦请详细一下laggeterm,谢谢!

2024-05-30 15:34 1 · 回答

老板你好,这个题目能不能这样理解,AR干的是通过昨天的自己预测今天的自己,MA干的是干的是昨天的自己的波动率可能会影响到今天的自己。两者都是COV-stationary的数据,至于预测ranm moverment,压根就算是NON- COV-stationary的时间序列,所以BC都在瞎扯。。如果是纯随机的话,应该是只有先差分在建模。。应该是section 8的内容了

2020-05-24 16:50 1 · 回答

答案里面ARMA预测ranm movements更好,为什么?

2019-07-11 11:58 1 · 回答

     这个section的题目错的很多,很多题目都是跟MA ARMA模型有关的,但课程中讲的不深,你们有统计过考试中会不会有很多这个section的题吗?难度如何?

2019-06-07 21:49 1 · 回答