Tidsserieanalys baseras på den här typen av data, där en variabel mäts regelbundet i tiden. Analysmetoden används framförallt för att:

  • dekomponera tidsserier exempelvis säsongsrensning
  • identifiera och modellera systematisk variation
  • identifiera och modellera tidsbaserade beroenden
  • 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

Medverkande