авторегрессия

Надо бы расшифровать понятие "авторегрессия".

Это регрессионая модель, в которой в качестве аргументов используются предыдущие значения функции

Процесс авторегрессии. Большинство временных рядов содержат элементы, которые последовательно зависят друг от друга. Такую зависимость можно выразить следующим уравнением: 

xt = b+ a1*x(t-1) + a2*x(t-2) +a 3*x(t-3) +... +c

Здесь:
 b - константа (свободный член),
a1, a2, a3 - параметры авторегрессии. 

Вы видите, что каждое наблюдение есть сумма случайной компоненты (случайное воздействие, c) и линейной комбинации предыдущих наблюдений. 


Требование стационарности. Заметим, что процесс авторегрессии будет стационарным только, если его параметры лежат в определенном диапазоне. Например, если имеется только один параметр, то он должен находиться в интервале -1<a<+1. В противном случае, предыдущие значения будут накапливаться и значения последующих xt могут быть неограниченными, следовательно, ряд не будет стационарным. Если имеется несколько параметров авторегрессии, то можно определить аналогичные условия, обеспечивающие стационарность (см. например, Бокс и Дженкинс, 1976; Montgomery, 1990).

Гм, вопрос на засыпку -- что должен показывать такой индикатор?

У меня есть индикатор корреляции/автокорреляции

Тут где то недалеко КИХ-и обсуждают, это оно и есть. Если выкинуть b и задать условие а1+а2+а3...=1 то будет обыкновенная взвешенная по весам МАшка.

АКФ то же много раз обсуждали, поиск рулит.

Я занимался авторегрессионными линейными моделями произвольного порядка. Коэффициенты АР-модели находил решением уравнений Юла - Уокера, составленных из коэффициентов корреляции между отсчётами в ряде первой разности.

Беспонтово. Домиссию ДЦ не перешибают. Нужны нелинейный схемы, но тут засада - нужно понимать к чему их нужно применять. Просто так тыкать на авось - жизни не хватит.

Выкладывайте, пожалуйсто, если некомерческие :)

а почему не МНК?

Тут МНК не помощник -- есть рекурсия. Зато можно решить с помощью линейной нейросети.