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.