Forskningsämne Tidsserieanalys

När man mäter en variabel regelbundet i tiden bildar observationerna en tidsserie. Till skillnad från många andra inriktningar inom statistik är tidsserieanalysen som begrepp inte mer än runt 100 år gammal.

Tidsserieanalys baseras på den typen av data, där en variabel mäts regelbundet i tiden. Analysmetoden används framförallt för att dekomponera tidserier (exempelvis säsongsrensning), identifiera och modellera systematisk variation, identifiera och modellera tidsbaserade beroenden och göra prognoser.

Numera är de så kallade Box-Jenkins-modellerna de vanligaste verktygen för prognoser och många tekniker som används för prognostisering och säsongrensning kan återföras på dessa modeller.

En annan utvecklingslinje är icke-linjära generaliseringar, främst ARCH- (AutoRegressive Conditional Heteroscedasticity)- och GARCH- (G=Generalized) modeller.

De här modellerna har visat sig mycket användbara för finansiella tidsserier. Uppfinningen av dem och lanseringen av ett sätt att korrigera modellerna för fel, gav C.W.J. Granger och R.F. Engle Sveriges Riksbanks pris i ekonomisk vetenskap till Alfred Nobels minne år 2003.

Läs mer om tidsserieanalys