|
i]=out1[i][0]*beta1;
psd2_r[i]=out2[i][0]*beta2;
}
else{
psd1_r[i]=0.0;
psd2_r[i]=0.0;
}
psd1_i[i]=0.0;
psd2_i[i]=0.0;
}
fft(psd1_r,psd1_i,1024,0);
fft(psd2_r,psd2_i,1024,0);
for(i=0; i<1024; i++){//psd 계산
psd1[i]=beta1/(psd1_r[i]*psd1_r[i]+psd1_i[i]*psd1_i[i]);
psd2[i]=beta2/(psd2_r[i]*psd2_r[
|
|
|
Auto Regressive)모형을 도입
- 북한의 경제 관련 데이터가 연간 데이터밖에 존재하지 않는 현실적 한계를 극복하기 위해 분기별 데이터 로 전환하는, Autoregressive 방법에 의한 Dynamic Programming Algotithm에 의해 데이터의 관측치를 늘려주는 방식을 도
|
|
|
ARIMA 모형의 특징
ARIMA 모형은 1950년 대 후반에 이미 정형화되어 단기예측에 많이 이용되는 고전적인 시계열 모형이다. 그 특징은 다음과 같다.
1. ARIMA 모형은 Auto Regressive Integrated Moving Average 모형의 각각 첫자를 딴 축약어이다.
2. ARIMA 모형
|
|
메뉴펼치기
