Часто я вижу, что авторы оценивают модель «логарифмической разницы», например
Я согласен, что уместно соотносить с процентным изменением тогда как - это .y t log ( y t ) I ( 1 )
Но логарифмическая разница является приблизительной, и, похоже, можно точно так же оценить модель без логарифмического преобразования, например
Более того, темп роста будет точно описывать процентное изменение, в то время как логарифмическая разница будет только приближаться к процентному изменению.
Однако я обнаружил, что подход с разницей в журналах используется гораздо чаще. На самом деле, использование скорости роста кажется столь же подходящим для решения стационарности, как и принятие первой разницы. Фактически, я обнаружил, что прогнозирование становится предвзятым (иногда в литературе это называется проблемой ретрансформации) при преобразовании логарифмической переменной обратно в данные уровня.
Каковы преимущества использования разницы журналов по сравнению со скоростью роста? Есть ли присущие проблемы с преобразованием темпов роста? Я предполагаю, что что-то упустил, иначе было бы очевидным использовать этот подход чаще.
Ответы:
Одним из основных преимуществ бревенчатых различий симметрии: если у вас есть разница журнальной сегодня и один из завтра, вы туда , откуда вы начали. Напротив, 10% -ый рост сегодня и 10% -ное снижение завтра не вернут вас к первоначальному значению.0,1 - 0,1
источник
Многие макроэкономические показатели связаны с ростом населения, который является экспоненциальным , и, таким образом, сами имеют экспоненциальный тренд. Таким образом, процесс до моделирования с использованием ARIMA, VAR или других линейных методов обычно:
источник