Answers:
可逆性并不是什么大问题,因为通过更改参数值,几乎所有高斯不可逆MA模型都可以更改为代表相同过程的可逆MA模型。在大多数关于MA(1)模型的教科书中都提到了这一点,但更普遍的说法是这样。
例如,考虑MA(2)模型
,其中是方差为白噪声。这不是可逆模型,因为在单位圆内的根等于0.5。但是,请考虑通过将根更改为倒数2而获得的替代MA(2)模型,使得该模型的形式为
,其中具有方差。您可以轻松地验证模型(1)和(2)都具有相同的自协方差函数,因此,如果过程是高斯模型,则为数据指定相同的分布。
为了使模型可识别,使得从到数据的分布存在一对一的映射,因此按照惯例,参数空间仅限于可逆模型。最好使用此特定约定,因为模型可以直接以AR形式其中系数满足简单差分方程。
如果我们不对参数空间施加此限制,则MA的似然函数通常最多具有局部最优值(如果MA多项式具有不同的实根),这是我们想要的。避免。
始终可以使用上述技术将根从单位圆的内部移到外部,并在白噪声方差中进行相应的更改,除非MA多项式恰好在单位圆上具有一个或多个根。
maInvert
R的arima
函数内部的函数正在使用此“技巧”,以确保参数估计值对应于可逆模型。