ممیزی سری های زمانی به روش هسته

روش های کلاسیک ممیزی مانند خطی و درجه دوم در بسیاری از مدل های سری زمانی کارایی مناسب ندارند. در این صورت لازم است مشاهدات سری زمانی به صورت دیگری رده بندی شوند. روش ناپارامتری، ممیزی هسته مبتنی بر استفاده از برآورد تابع چگالی هسته به جای استفاده از مقادیر واقعی آن ها است. مهم ترین مسئله در برآورد تابع چگالی هسته انتخاب مقدار مناسب پارامتر هموارکننده است. تاکنون روش های مختلفی برای انتخاب پارامتر هموارکننده پیشنهاد شده است. در این مقاله روش های مختلف برآورد تابع چگالی احتمال هسته و روش مناسب انتخاب پارامتر هموارکننده که منجر به مقدار بهینه آن در ممیزی سری های زمانی می باشد به دست آورده شده است

Keywords:

Autoregressive moving average process , Discrimination , Kernel discrimination methods , Bandwidth , فرآیند میانگین متحرک اتورگرسیو , ممیزی , روش های ممیزی هسته , پارامتر هموارکننده.