ЧАСОВІ РЯДИ З АВТОРЕГРЕСІЄЮ В ЕКОНОМІЦІ: ТЕОРЕТИЧНІ АСПЕКТИ

Сергій Десятський

doi:10.36074/grail-of-science.15.05.2026.071

ЧАСОВІ РЯДИ З АВТОРЕГРЕСІЄЮ В ЕКОНОМІЦІ: ТЕОРЕТИЧНІ АСПЕКТИ

Authors

Сергій Десятський Державний вищій навчальний заклад «Приазовський державний технічний університет». Україна https://orcid.org/0000-0002-2998-9516

DOI:

https://doi.org/10.36074/grail-of-science.15.05.2026.071

Keywords:

часові ряди, авторегресія,, AR-модель, стаціонарність, одиничний корінь, коінтеграція, Box–Jenkins, VAR, економетрика, прогнозування

Summary

У статті систематизовано теоретичні підходи до аналізу часових рядів з авторегресією в економіці, зосереджено увагу на сутності авторегресійних процесів, умовах стаціонарності, властивостях автокореляційної структури, проблемах ідентифікації порядку моделі та місці авторегресійних специфікацій у сучасній економетриці. Розглянуто моделі AR(1), AR(p), ARMA, ARIMA, векторні авторегресії, а також зв’язок між авторегресією, одиничними коренями, коінтеграцією та моделями коригування помилки. Показано, що авторегресійний підхід є фундаментом емпіричного аналізу макроекономічної динаміки, інфляції, процентних ставок, випуску, курсів активів і ділових циклів, оскільки дозволяє формалізувати інерційність, лагові ефекти та внутрішню динаміку економічних змінних. Особливу увагу приділено методології Box–Jenkins, яка поєднує етапи ідентифікації, оцінювання, діагностики та прогнозування і залишається базовим підходом для побудови моделей часових рядів. Обґрунтовано, що теоретичне значення авторегресійних моделей полягає не лише у прогнозуванні, а й у поясненні механізмів динамічного пристосування економічних систем до випадкових шоків, структурних змін та довгострокових рівноважних співвідношень.

Downloads

PDF

Downloads

Download data is not yet available.

License

References

Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. (1994). Time series analysis: Forecasting and control (3rd ed.). Prentice Hall.

Enders, W. (2015). Applied econometric time series (4th ed.). Wiley.

Engle, R. F., & Granger, C. W. J. (1987). Co-integration and error correction: Representation, estimation, and testing. Econometrica, 55(2), 251–276. DOI: https://doi.org/10.2307/1913236

Hamilton, J. D. (1994). Time series analysis. Princeton University Press. DOI: https://doi.org/10.1515/9780691218632

Maddala, G. S., & Kim, I.-M. (1998). Unit roots, cointegration, and structural change. Cambridge University Press. DOI: https://doi.org/10.1017/CBO9780511751974

Nelson, C. R., & Plosser, C. I. (1982). Trends and random walks in macroeconomic time series: Some evidence and implications. Journal of Monetary Economics, 10(2), 139–162. DOI: https://doi.org/10.1016/0304-3932(82)90012-5

Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1–48. DOI: https://doi.org/10.2307/1912017

Stock, J. H., & Watson, M. W. (2020). Introduction to econometrics (4th ed.). Pearson.

Tsay, R. S. (2010). Analysis of financial time series (3rd ed.). Wiley. DOI: https://doi.org/10.1002/9780470644560

Watson, M. W. (1986). Univariate detrending methods with stochastic trends. Journal of Monetary Economics, 18(1), 49–75. DOI: https://doi.org/10.1016/0304-3932(86)90054-1

Wooldridge, J. M. (2020). Introductory econometrics: A modern approach (7th ed.). Cengage.

Yule, G. U. (1927). On a method of investigating periodicities in disturbed series, with special reference to Wolfer’s sunspot numbers. Philosophical Transactions of the Royal Society A, 226, 267–298. DOI: https://doi.org/10.1098/rsta.1927.0007