自己回帰過程は、持続性の度合いがさまざまで、反持続性や振動的な挙動を示すこともあります。持続性は、ある観測値とそのラグとの相関が高いことで定義され、反持続性は、観測値とそのラグのあいだの変動が大きいことで定義されます。
右側の4つのプロットは、持続性と反持続性の度合いが異なります。最も持続性が高い系列はどれですか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、Rで時系列データを整理し、可視化する方法を学びます。時系列分析で広く用いられるいくつかの単純化の仮定と、金融時系列によく見られる特徴についても学びます。
この章では、トレンドの見つけ方を実践し、white noise（WN）モデル、random walk（RW）モデル、そして定常過程の定義を学びます。
この章では、相関係数を復習し、2つの時系列の比較に用いる方法に加えて、自己相関として時系列とその過去を比較する方法を学びます。自己相関関数（ACF）を理解し、時系列データの自己相関を推定・可視化する練習を行います。
この章では、自己回帰（AR）モデルとその基本的な性質を学びます。RでARモデルをシミュレーション・推定する練習を行い、random walk（RW）モデルとの比較も行います。
現在の演習
この章では、単純移動平均（MA）モデルとその基本的な性質を学びます。RでMAモデルをシミュレーション・推定する練習を行い、自己回帰（AR）モデルとの比較も行います。
