基于结构方程模型改进ARMA模型参数估计

自回归移动平均模型（ARMA模型）是目前最常用的拟合平稳序列的模型，分为AR模型、MA模型和ARMA模型三大类。通常将自回归模型（AR）、移动平均模型（MA）或自回归移动平均模型（ARMA），称作ARIMA模型体系，是一个重要的预测工具，成为时间序列分析中许多基本思想的基础。针对时间序列数据分析中ARMA模型的识别、建立和估计问题,提出一种将SEM结构方程应用于ARMA模型参数估计的改进算法,以加快计算的收敛速度和提高模型参数估计的精确度。通过将时间序列数据的协方差式子进行变换，发现其结果满足结构方程对变量协方差的要求。结果表明，可以将SEM结构方程应用于ARMA模型来处理时间序列模型数据。