ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Comparaison des Criteres D’ide...>الوصف
يجب تسجيل الدخول أولا

Comparaison des Criteres D’identification en Series Temporelles: Evaluation du Critere 𝑭𝑷𝑬(𝜶) (𝒌)

العنوان بلغة أخرى: Comparison of Identification Criteria in Time Series: Evaluation of Criteria 𝑭𝑷𝑬(𝜶) (𝒌)
المصدر: مجلة الاقتصاد التطبيقي والإحصاء
الناشر: المدرسة الوطنية العليا للإحصاء والاقتصاد التطبيقي
المؤلف الرئيسي: Oulddali, Oussama (Author)
مؤلفين آخرين: Moussi, Oumelkheir (Co-Author)
المجلد/العدد: مج19, ع1
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2022
الشهر: مايو
الصفحات: 52 - 63
ISSN: 1112-234x
رقم MD: 1274205
نوع المحتوى: بحوث ومقالات
اللغة: الفرنسية
قواعد المعلومات: EcoLink
مواضيع:
عمليات المحاكاة | السلاسل الزمنية | طريقة مونت كارلو | الإحصاء الرياضي
كلمات المؤلف المفتاحية:
Time Series | Information Criterion | The 𝑭𝑷𝑬(𝜶) (𝒌) Criterion | Convergence | ARMA Process | Monte Carlo Simulation
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: In order to improve time series model selection, the use of identification criteria is the most essential. There are several classified according to their theoretical formulas and their asymptotic properties. The main objective of this study is to assess some of the most important among them and show the accuracy of the FPE (a) (k) criterion. We’ve simulated a stationary ARMA processes. From these processes we’ve estimated candidate models. Five significant models have been chosen. A comparison between five criteria was made, including the FPE (a) (k) criterion. The performance of a criterion depends on the optimal model that will choose it. Finally, we have shown that from a small sample size which in general does not exceed 100, the accuracy of the FPE (a) (k) criterion is higher than the others, in other words the FPE (a) (k) criterion is the most precise.

Afin de faciliter la sélection d'un modèle de séries temporelles uni varié l'utilisation des critères d'identification s'impose. Il en existe plusieurs classés selon leurs formules théoriques et leurs propriétés asymptotiques. L'objectif de cette étude est d'évaluer quelques-uns parmi les plus importants d’entre eux et montrer la performance du critère FPE(a) (k) (final prediction error) . Nous avons effectué une simulation des processus ARMA stationnaires.et à partir de ces processus nous avons estimé des modèles candidats. Cinq modèles significatifs ont été choisis. Une comparaison entre cinq critères a été faite dont figure le critère FPE(a) (k). La performance d'un critère dépend de la taille d’échantillon du modèle optimal qui va sélectionner et de son taux de précision. Après avoir procédé à des simulations de plusieurs processus ARMA et utilisé plusieurs tailles d'échantillon nous avons montré que si tous les critères étaient équivalents en terme de performance pour les grandes tailles d'échantillon, le critère FPE(a) (k) est nettement plus précis dans le cadre des petites tailles d'échantillon qui en général ne dépasse pas 100.
ISSN: 1112-234x

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.