1. MA는 covariance stationary process를 모델링하는 tool중의 하나입니다.
Population에 있는 data(time series)들이 어떤관계에 있는지는 우리는 모릅니다. 다만 가장 적당한 모델을 찾기위해,
MA 모델을 적용해보기도 하고, AR모델을 적용해보기도 하고, ARMA모델을 적용해보기도 하는 겁니다.
MA(1)모델이 Y_t 가 epsilion_t + theta*epsilon_(t-1)과 같다는 것이 아니고, epsilion_t + theta*epsilon_(t-1) 을 이용해서
모델링을 하겠다는 것입니다.

2. Shock은 epsilion_t, epsilon_(t-1)등을 의미합니다. innovation이라고도 합니다. 228쪽 참고하세요.

3. 제가 정확히 설명을 못 드린것 같은데,
우리는 t-1까지의 information을 이용해서 t에서의 값을 추정합니다.
그런데 보통은 t-1의 값을 이용해서 t의 값을 추정하는데 (forecasting) 늘 error term(epsilon_t)이 있는 것이지요.
(error term을 shock이라고도 하고 innovation이라고도 합니다.)
그런데 error term들로만 추정하는 MA보다는 past observable을 이용하는 AR process가 조금 더 직관적이고 forecasting에
더 잘 맞는다는 것입니다.
슈웨저에는 observable shock라고 썼는데 (228페이지 아래서 8번째줄) observable variable이라고 바꾸거나
past observable이라고 쓰는것이 더 낫다고 생각이 됩니다.

원본을 첨부하니 참고하세요.