为什么我们使用混合了AR和MA模型的ARMA模型。AR 或 MA 还不够吗？

Question

为什么我们使用混合AR和MA模型的ARMA模型。AR 或 MA 还不够吗？

我知道 AR 模型是先前读数的函数，MA 模型是先前错误的函数，也知道识别 AR 模型最好使用 PACF 完成，并且知道识别 MA 模型最好使用 ACF 完成(识别 AR 模型最好使用 PACF(... 但是，在两者之间使用混合模型背后的动机是什么

Answer 1

简短回答：AR显示变量如何随时间演变，MA使预测误差随时间减小。

它假设：

• AR： x t 取决于 xt-1，x_t-2的线性变化,...x_t-p，其中x_t是感兴趣的变量。

• AM：ε t 取决于 x t-1、ε_t-1ε_t-2,...ε_t-q，其中_{ε t}是错误。

AR是模型的特征，AM是误差的特征。