la correlación residual se mantiene después de añadir el desfase estacional

Question

Estoy intentando modelar los márgenes de explotación y un gráfico temporal indica que la serie puede seguir un proceso autorregresivo. Inicialmente ajusté los datos a un modelo AR(1) y parecía que la correlación residual estaba presente en el término del cuarto retardo. Añadí un cuarto retardo adicional y, aunque la CA en el cuarto residuo disminuyó, la t-stat sigue siendo ligeramente superior a 2. Además, el segundo (cuarto regresor retardado) parece ser altamente insignificante. Estoy buscando sugerencias sobre cómo mejorar la especificación del modelo.

Answer 1

Lo que debe analizar:

• Mira las estacionalidades como señala el usuario Horeseless.
• Fíjate en el ACF, si se corta repentinamente entonces hay algo de naturaleza MA, si decae lentamente entonces es más bien AR.
• Mire el ACF parcial para ver qué rezagos son relevantes.

Encuentras la teoría y el código aquí .

Answer 2

Antes de ajustar cualquier modelo ARIMA, asegúrese de que:

1. No hay ninguna tendencia estacional en sus datos. Si está presente, entonces desestacionalícela tomando la diferencia de retardo apropiada, como señaló @Horseless
2. Antes de ajustar cualquier modelo, asegúrese de que los datos son estacionarios.
3. Una vez que se logra la estacionariedad, se traza la ACF y la PACF y se encuentra el retardo apropiado. Para encontrar la selección del retardo apropiado, puede utilizar varios criterios de información, como AIC, BIC, SIC, HQIC, etc. (Existen muchos paquetes de R que permiten la selección automática del orden de retardo apropiado)

Después de ajustar el modelo apropiado, asegúrese de que los términos de error (residuos) son ruido blanco.

Answer 3

Deberías mirar los modelos de arco/garch