Automatski progresivni pomični prosjek (ARIMA)

Što je automatski progresivni integrirani pomični prosjek?

Autoregresivni integrirani pomični prosjek, ili ARIMA, model je statističke analize koji koristi podatke vremenskih serija kako bi se bolje razumio skup podataka ili predvidio buduće trendove.

Razumijevanje autoregresivnog integriranog pokretnog prosjeka (ARIMA)

Autoregresivni integrirani pomični prosječni model oblik je regresijske analize koja mjeri snagu jedne ovisne varijable u odnosu na druge varijable koje se mijenjaju. Cilj modela je predvidjeti buduće poteze vrijednosnih papira ili financijskog tržišta ispitivanjem razlika između vrijednosti u nizu umjesto kroz stvarne vrijednosti.

Model ARIMA može se razumjeti ako iznesete svaku njegovu komponentu na sljedeći način:

• Autoregresija (AR) odnosi se na model koji pokazuje promjenjivu varijablu koja regresira na vlastite zaostale ili prethodne vrijednosti.
• Integrirani (I) predstavlja razlikovanje nepročišćenih opažanja kako bi se omogućilo da vremenske serije postanu stacionarne, tj. Da se vrijednosti podataka zamjenjuju razlikom između vrijednosti podataka i prethodnih vrijednosti.
• Pomični prosjek (MA) uključuje ovisnost između promatranja i zaostale pogreške modela pomičnog prosjeka primijenjenog na zaostala promatranja.

Svaka komponenta funkcionira kao parametar sa standardnom notacijom. Za ARIMA modele standardna notacija bi bila ARIMA s p, d i q, gdje cjelobrojne vrijednosti zamjenjuju parametre koji ukazuju na tip korištenog ARIMA modela. Parametri se mogu definirati kao:

• p : broj opažanja zaostajanja u modelu; poznat i kao redoslijed zaostajanja.
• d : broj razlika u neobrađenim opažanjima; poznat i kao stupanj razlikovanja.
• q: veličina pomičnog prosjeka; poznat i kao redoslijed pomičnog prosjeka.

Na primjer, u modelu linearne regresije uključeni su broj i vrsta pojmova. Vrijednost 0, koja se može koristiti kao parametar, značila bi da se određena komponenta ne bi trebala koristiti u modelu. Na taj se način ARIMA model može konstruirati za obavljanje funkcije ARMA modela, ili čak jednostavnih modela AR, I ili MA.

Automatski progresivni integrirani pokretni prosjek i stacionarnost

U autoregresivnom integriranom modelu pokretnih prosjeka podaci se razlikuju kako bi se učinili nepokretnim. Model koji pokazuje stacionarnost je onaj koji pokazuje da postoji stalnost podataka tijekom vremena. Većina ekonomskih i tržišnih podataka pokazuje trendove, tako da je svrha razlikovanja ukloniti sve trendove ili sezonske strukture.

Sezonalnost ili kada podaci pokazuju redovite i predvidljive obrasce koji se ponavljaju tijekom kalendarske godine, mogli bi negativno utjecati na regresijski model. Ako se pojavi trend i stacionarnost nije evidentna, mnogi se računi tijekom procesa ne mogu napraviti s velikom učinkovitošću.

Usporedba investicijskih računa Ime dobavljača Opis Otkrivanje oglašavača × Ponude koje se pojavljuju u ovoj tablici potječu od partnerstava od kojih Investopedia prima naknadu.

Povezani uvjeti

Definicija Box-Jenkins modela Model Box-Jenkins matematički je model dizajniran za predviđanje podataka iz određenog vremenskog niza. više Što je pojam pogreške? Izraz pogreške definiran je kao varijabla u statističkom modelu, koja se stvara kada model ne predstavlja u potpunosti stvarni odnos između neovisnih i ovisnih varijabli. više Kako funkcionira metoda najmanjih kvadrata Metoda najmanje kvadrata je statistička tehnika za određivanje linije koja najbolje odgovara modelu, određena jednadžbom s određenim parametrima za promatrane podatke. više Kako djeluje zaostalo standardno odstupanje Zaostalo standardno odstupanje je statistički pojam koji se koristi za opisivanje razlike u standardnim odstupanjima promatranih vrijednosti u odnosu na predviđene vrijednosti, prikazane točkama u regresijskoj analizi. više Što znači autoregresivno značenje? Statistički model je autoregresivan ako predviđa buduće vrijednosti na temelju prošlih vrijednosti (tj. Predviđanje budućih cijena dionica na temelju prošlih performansi). više Kako djeluje višestruka linearna regresija Višestruka linearna regresija (MLR) je statistička tehnika koja koristi nekoliko objašnjivih varijabli da predvidi ishod varijable odgovora. više partnerskih veza