移動平均模型

在時間序列分析中，移動平均模型（簡記為：MA模型）是一個常見的對單一變量時間序列進行建模的方法。

移動平均模型和自回歸模型都是時間序列中 ARMA模型 和 ARIMA模型 模型的重要組成部分，也是一種特殊情況。儘管名稱類似，但移動平均模型不應與移動平均值相混淆。與自回歸模型不同，移動平均模型總是平穩的。

定義

q 階移動平均模型通常簡記為MA(q)：

$x_{t}=\mu +\varepsilon _{t}-\theta _{1}\varepsilon _{t-1}-\theta _{2}\varepsilon _{t-2}-\cdots --\theta _{q}\varepsilon _{t-q}$

其中 μ 是序列的均值，θ₁,..., θ_q 是參數，ε_t , ε_t-1,..., ε_t−q 都是 白噪聲。

可逆性

若一個移動平均模型可以表示成收斂的自回歸模型的形式，那麼這個移動平均模型就稱為可逆模型。

相關條目

• 自回歸模型 （AR模型）
• 自迴歸滑動平均模型（ARMA模型）
• 差分自迴歸滑動平均模型（ARIMA模型）
• 格蘭傑因果關係（Granger Causality）