Автогресивне інтегроване рухоме середнє значення (ARIMA)
Авторегресивна інтегрована ковзаюча середня величина або ARIMA - це модель статистичного аналізу, яка використовує дані часових рядів або для кращого розуміння набору даних, або для прогнозування майбутніх тенденцій.
Розуміння автоматичного інтегрованого ковзного середнього значення (ARIMA)
Авторегресивна інтегрована модель середньої ковзної форми - це форма регресійного аналізу, яка вимірює силу однієї залежної змінної щодо інших змінних змінних. Мета моделі - передбачити майбутні зміни цінних паперів або фінансового ринку шляхом вивчення відмінностей між величинами в серії, а не через фактичні значення.
Модель ARIMA можна зрозуміти, окресливши кожен її компонент наступним чином:
- Авторегресія (AR) відноситься до моделі, яка показує змінну змінну, яка регресує за власними відсталими або попередніми значеннями.
- Інтегрований (I) являє собою диференціювання необроблених спостережень, щоб дозволити старість часових рядів, тобто значення даних замінюються різницею між значеннями даних та попередніми значеннями.
- Ковзна середня величина (MA) включає залежність між спостереженням та залишковою помилкою від моделі ковзної середньої, застосованої до відстаючих спостережень.
Кожен компонент функціонує як параметр із стандартними позначеннями. Для моделей ARIMA стандартним позначенням буде ARIMA з p, d і q, де цілі значення замінюють параметри для позначення типу використовуваної моделі ARIMA. Параметри можна визначити як:
- p : кількість спостережень за відставанням у моделі; також відомий як лаг порядку.
- d : кількість разів, коли неодноразові спостереження відрізняються; також відомий як ступінь розходження.
- q: розмір вікна ковзної середньої; також відомий як порядок ковзної середньої.
Наприклад, в лінійну регресійну модель включено, наприклад, кількість і тип термінів. Значення 0, яке можна використовувати як параметр, означатиме, що конкретний компонент не повинен використовуватися в моделі. Таким чином, модель ARIMA може бути побудована для виконання функції моделі ARMA або навіть простої моделі AR, I або MA.
Авторегресивна інтегрована рухома середня і стаціонарність
В авторегресивній інтегрованій моделі ковзних середніх даних дані різняться для того, щоб зробити їх нерухомими. Модель, яка демонструє стаціонарність, - це та, яка показує, що є сталість даних у часі. Більшість економічних та ринкових даних показують тенденції, тому метою розмежування є усунення будь-яких тенденцій чи сезонних структур.
Сезонність або коли дані показують регулярні та передбачувані зразки, які повторюються протягом календарного року, можуть негативно вплинути на регресійну модель. Якщо з'являється тенденція і стаціонарність не очевидна, багато з обчислень протягом всього процесу не можна проводити з великою ефективністю.
Порівняйте інвестиційні рахунки Ім’я постачальника Опис Розкриття рекламодавця × Пропозиції, що з’являються в цій таблиці, є партнерствами, від яких Investopedia отримує компенсацію.