Autoregresívny integrovaný kĺzavý priemer (ARIMA)

Čo je autoregresívny integrovaný kĺzavý priemer?

Autoregresívny integrovaný kĺzavý priemer (ARIMA) je štatistický analytický model, ktorý využíva údaje z časových radov, aby lepšie porozumel množine údajov alebo predpovedal budúce trendy.

Pochopenie autoregresívneho integrovaného kĺzavého priemeru (ARIMA)

Autoregresívny model integrovaného kĺzavého priemeru je forma regresnej analýzy, ktorá meria silu jednej závislej premennej vo vzťahu k iným meniacim sa premenným. Cieľom modelu je predpovedať budúce pohyby cenných papierov alebo finančných trhov skúmaním rozdielov medzi hodnotami v sérii namiesto skutočných hodnôt.

Model ARIMA sa dá chápať tak, že každý z jeho komponentov sa načrtáva takto:

• Autoregresia (AR) sa týka modelu, ktorý ukazuje meniacu sa premennú, ktorá regresuje na základe svojich vlastných oneskorených alebo predchádzajúcich hodnôt.
• Integrovaný (I) predstavuje rozlíšenie prvotných pozorovaní, aby sa umožnilo stacionárne časové rady, tj hodnoty údajov sa nahradia rozdielom medzi hodnotami údajov a predchádzajúcimi hodnotami.
• Kĺzavý priemer (MA) zahŕňa závislosť medzi pozorovaním a zvyškovou chybou z modelu kĺzavého priemeru použitého na oneskorené pozorovania.

Každý komponent funguje ako parameter so štandardným zápisom. Pre modely ARIMA by štandardnou notáciou bola ARIMA s p, d a q, kde celé hodnoty nahradia parametre na označenie typu použitého modelu ARIMA. Parametre možno definovať ako:

• p : počet pozorovaní oneskorenia v modeli; tiež známy ako oneskorenie.
• d : koľkokrát sa prvotné pozorovania líšia; tiež známy ako stupeň diferenciácie.
• q: veľkosť okna kĺzavého priemeru; tiež známy ako poradie kĺzavého priemeru.

V modeli lineárnej regresie je napríklad zahrnutý počet a typ pojmov. Hodnota 0, ktorá sa môže použiť ako parameter, by znamenala, že konkrétny komponent by sa nemal v modeli používať. Týmto spôsobom môže byť model ARIMA skonštruovaný tak, aby vykonával funkciu modelu ARMA alebo dokonca jednoduchého modelu AR, I alebo MA.

Autoregresívny integrovaný kĺzavý priemer a stacionárnosť

V autoregresívnom modeli integrovaného kĺzavého priemeru sa údaje líšia, aby boli nehybné. Model, ktorý ukazuje stacionárnosť, je taký, ktorý ukazuje, že v priebehu času je stálosť údajov. Väčšina ekonomických údajov a údajov o trhu ukazuje trendy, takže účelom rozlíšenia je odstrániť všetky trendy alebo sezónne štruktúry.

Sezónnosť alebo keď údaje ukazujú pravidelné a predvídateľné vzorce, ktoré sa opakujú v priebehu kalendárneho roka, by mohli mať negatívny vplyv na regresný model. Ak sa objaví trend a stacionárnosť nie je zrejmá, mnohé výpočty v priebehu procesu nie je možné vykonať s veľkou účinnosťou.

Porovnať investičné účty Názov poskytovateľa Opis Zverejnenie informácií inzerenta × Ponuky uvedené v tejto tabuľke pochádzajú od partnerstiev, od ktorých spoločnosť Investopedia dostáva kompenzácie.

Súvisiace podmienky

Definícia modelu Box-Jenkins Model Box-Jenkins je matematický model určený na predpovedanie údajov zo špecifikovaných časových radov. viac Čo je to chybový termín? Chybový výraz je definovaný ako premenná v štatistickom modeli, ktorý sa vytvorí, keď model nepredstavuje skutočný vzťah medzi nezávislými a závislými premennými. viac Ako funguje metóda najmenších štvorcov Metóda najmenších štvorcov je štatistická technika na určenie priamky najvhodnejšej pre daný model, ktorá je určená rovnicou s určitými parametrami pre pozorované údaje. viac Ako reziduálna štandardná odchýlka funguje Zvyšková štandardná odchýlka je štatistický pojem, ktorý sa používa na opis rozdielu v štandardných odchýlkach pozorovaných hodnôt oproti predpokladaným hodnotám, ako je znázornené bodmi v regresnej analýze. viac Čo znamená autoregresívny? Štatistický model je autoregresívny, ak predpovedá budúce hodnoty založené na minulých hodnotách (tj predpovedá budúce ceny akcií na základe výkonnosti v minulosti). viac Ako funguje viacnásobná lineárna regresia Viacnásobná lineárna regresia (MLR) je štatistická technika, ktorá používa niekoľko vysvetľujúcich premenných na predpovedanie výsledku reakčnej premennej. ďalšie partnerské odkazy