Ауторегресивни интегрисани покретни просек (АРИМА)

Шта је аутоматски прогресивни интегрисани покретни просек?

Ауторегресивни интегрисани покретни просек, или АРИМА, је модел статистичке анализе који користи податке временских серија да би се боље разумео скуп података или да би се предвидио будући трендови.

Разумевање ауторегресивног интегрисаног покретног просека (АРИМА)

Ауторегресивни интегрисани модел покретног просека је облик регресијске анализе који мери снагу једне зависне променљиве у односу на друге променљиве променљиве. Циљ модела је предвидјети будуће потезе хартија од вредности или на финансијском тржишту испитивањем разлика између вредности у серији уместо кроз стварне вредности.

АРИМА модел се може разумети тако што ће се навести сваки његов саставни део на следећи начин:

• Ауторегресија (АР) се односи на модел који показује променљиву променљиву која регресира на сопствене заостале или претходне вредности.
• Интегрисани (И) представља разликовање сирових опажања како би се омогућило да временске серије постану стационарне, тј. Да се ​​вредности података замењују разликом између вредности података и претходних вредности.
• Помични просјек (МА) укључује зависност између посматрања и заостале грешке модела помичног просјека примијењеног на заостала посматрања.

Свака компонента функционише као параметар са стандардном нотацијом. За АРИМА моделе, стандардна нотација би била АРИМА са п, д и к, где целобројне вредности замјењују параметре који означавају тип кориштеног АРИМА модела. Параметри се могу дефинисати као:

• п : број опажања заостајања у моделу; позната и као ред заостајања.
• д : колико се разликују сирова запажања; такође познат као степен разликовања.
• к: величина помичног прозора; такође познат као редослед помичног просека.

На примјер, у моделу линеарне регресије, укључени су број и врста појмова. Вриједност 0, која се може користити као параметар, значи да се одређена компонента не би требала користити у моделу. На овај начин, АРИМА модел може бити конструисан да извршава функцију АРМА модела, или чак једноставних АР, И или МА модела.

Ауторегресични интегрисани покретни просек и стационарност

У ауторегресивном интегрисаном моделу покретних просечних података подаци се разликују како би били стационарни. Модел који показује стационарност је онај који показује да постоји константност података у току времена. Већина економских и тржишних података показује трендове, тако да је сврха разликовања уклонити све трендове или сезонске структуре.

Сезоналност, или када подаци показују редовне и предвидљиве обрасце који се понављају током календарске године, могу негативно утицати на регресијски модел. Ако се појави тренд и стационарност није евидентна, многи се рачуни током процеса не могу извршити са великом ефикасношћу.

Упоредите инвестиционе рачуне Име добављача Опис Откривање оглашивача × Понуде које се појављују у овој табели су од партнерстава од којих Инвестопедиа прима накнаду.

Сродни услови

Дефиниција Бок-Јенкинс модела Бок-Јенкинс модел је математички модел предвиђен за предвиђање података из одређене временске серије. више Шта је термин грешке? Израз грешке је дефинисан као променљива у статистичком моделу, која се ствара када модел не представља у потпуности стварни однос између независних и зависних променљивих. више Како функционира метода најмањих квадрата Метода најмање квадрата је статистичка техника за одређивање линије која најбоље одговара моделу, одређена једначином са одређеним параметрима према проматраним подацима. више Како дјелује резидуално стандардно одступање Преостали стандардни одступање је статистички израз који се користи за описивање разлике у стандардним одступањима посматраних вриједности у односу на предвиђене вриједности као што су приказане у тачкама регресијске анализе. више Шта значи аутоматско напредовање? Статистички модел је ауторегресиван ако предвиђа будуће вриједности на основу прошлих вриједности (тј. Предвиђање будућих цијена акција на основу прошлих перформанси). више Како функционише вишеструка линеарна регресија Вишеструка линеарна регресија (МЛР) је статистичка техника која користи неколико објашњивих променљивих за предвиђање исхода променљиве одговора. више партнерских веза