autoregression是FRM考試中的一個知識點的內(nèi)容,考生想要更好的掌握其內(nèi)容,就應(yīng)該了解autoregression需要掌握的內(nèi)容!

Autoregression是自回歸,是統(tǒng)計上一種處理時間序列的方法。用同一變數(shù)例如x的之前各期,亦即x1至xt-1來預(yù)測本期xt的表現(xiàn),并假設(shè)它們?yōu)橐痪€性關(guān)系。因為這是從回歸分析中的線性回歸發(fā)展而來,只是不用x預(yù)測y,而是用x預(yù)測 x(自己),所以叫做自回歸。>>>點擊領(lǐng)取2021年FRM備考資料大禮包(戳我免·費領(lǐng)?。?/span>

自回歸方法的優(yōu)點是所需資料不多,可用自身變數(shù)數(shù)列來進行預(yù)測。但是這種方法受到一定的限制:必須具有自相關(guān),自相關(guān)系數(shù)是關(guān)鍵。如果自相關(guān)系數(shù)(R)小于0.5,則不宜采用,否則預(yù)測結(jié)果不準 確。

掃碼咨詢

自回歸只能適用于預(yù)測與自身前期相關(guān)的經(jīng)濟現(xiàn)象,即受自身歷史因素影響較大的經(jīng)濟現(xiàn)象,如礦的開采量,各種自然資源產(chǎn)量等;對于受社會因素影響較大的經(jīng)濟現(xiàn)象,不宜采用自回歸,而應(yīng)改采可納入其他變數(shù)的向量自回歸模型。

在這類模型中,由于在X和它的若干期滯后之間往往存在數(shù)據(jù)的高度相關(guān),從而導(dǎo)致嚴重多重共線性問題。因此,分布滯后模型ji少按這樣的一般形式被估計。通常采用對模型各系數(shù)βj施加某種先驗的約束條件的方法來減少待估計的獨立參數(shù)的數(shù)目,從而避免多重共線性問題,或至少將其影響減至zui小。這方面著名的兩種方法是科克方法和阿爾蒙方法。

FRM考試的知識點內(nèi)容就分享這么多,學(xué)員如果還有更多的內(nèi)容想要學(xué)習(xí),可以在線咨詢老師或者添加老師微信(rongyuejiaoyu)。