Ανάλυση μη στασίμων χρονοσειρών και εφαρμογές τους

Στο παρόν βιβλίο  εξετάζονται τα στοχαστικά μοντέλα χρονοσειρών και ειδικότερα το μοντέλο ARIMA στην πρόβλεψη του ΑΕΠ ανά τρίμηνο καθώς και το εποχικό μοντέλο SARIMA, το οποίο αποδεικνύεται καταλληλότερο από τα δύο μοντέλα. Αρχικά, περιγράφονται τα βασικά στατιστικά χαρακτηριστικά των χρονοσειρών και στην συνέχεια αναλύονται τα μοντέλα ARIMA και SARIMA.  Για την βέλτιστη επιλογή των παραμέτρων p,d,q στο μοντέλο ARIMA χρησιμοποιείται η μέθοδος Box-Jenkins. Η αξιολόγηση των προβλεπτικών μοντέλων πραγματοποιείται τόσο με δείκτες Akaike Information Criteria (AIC) και Bayesian Information Criteria (BIC) για τα μοντέλα ARIMA όσο και με τους δείκτες Root Mean Square Error (RMSE) και Mean Absolute Error (MAE), καθώς και με αξιολόγηση των γραφικών αναπαραστάσεων της συνάρτησης αυτοσυσχέτισης Auto Correlation Function (ACF) και μερικής αυτοσυσχέτισης Partial ACF (PACF). Τέλος αναλύεται βήμα προς βήμα η διαδικασία που ακολουθήθηκε για την κατασκευή των μοντέλων ARIMA, SARIMA, για την εκτέλεση των προβλέψεων στα επιλεγμένα δεδομένα του ΑΕΠ ανά τρίμηνο.