Autoregresywna zintegrowana średnia ruchoma (ARIMA)
Autoregresywna zintegrowana średnia ruchoma (ARIMA) to model analizy statystycznej, który wykorzystuje dane szeregów czasowych w celu lepszego zrozumienia zestawu danych lub przewidzenia przyszłych trendów.
Zrozumienie zintegrowanej średniej ruchomej autoregresji (ARIMA)
Autoregresyjny zintegrowany model średniej ruchomej jest formą analizy regresji, która ocenia siłę jednej zmiennej zależnej w stosunku do innych zmiennych zmiennych. Celem tego modelu jest przewidywanie przyszłych ruchów papierów wartościowych lub rynków finansowych poprzez badanie różnic między wartościami w szeregu zamiast wartości rzeczywistych.
Model ARIMA można zrozumieć, przedstawiając każdy z jego elementów w następujący sposób:
- Autoregresja (AR) odnosi się do modelu, który pokazuje zmienną zmienną, która regresuje na własnych opóźnionych lub wcześniejszych wartościach.
- Zintegrowane (I) reprezentuje różnicowanie nieprzetworzonych obserwacji, aby pozwolić, aby szeregi czasowe stały się nieruchome, tj. Wartości danych są zastępowane różnicą między wartościami danych a poprzednimi wartościami.
- Średnia ruchoma (MA) obejmuje zależność między obserwacją a błędem resztkowym z modelu średniej ruchomej zastosowanej do opóźnionych obserwacji.
Każdy element działa jako parametr ze standardową notacją. W przypadku modeli ARIMA standardową notacją będzie ARIMA z p, d i q, gdzie wartości całkowite zastępują parametry wskazujące typ zastosowanego modelu ARIMA. Parametry można zdefiniować jako:
- p : liczba obserwacji opóźnień w modelu; znany również jako kolejność opóźnień.
- d : liczba różnic między surowymi obserwacjami; znany również jako stopień różnicowania.
- q: rozmiar okna średniej ruchomej; znany również jako kolejność średniej kroczącej.
Na przykład w modelu regresji liniowej uwzględniono liczbę i rodzaj terminów. Wartość 0, która może być użyta jako parametr, oznaczałaby, że dany komponent nie powinien być używany w modelu. W ten sposób model ARIMA można skonstruować tak, aby pełnił funkcję modelu ARMA, a nawet prostych modeli AR, I lub MA.
Autoregresywna zintegrowana średnia ruchoma i stacjonarność
W autoregresyjnym zintegrowanym modelu średniej ruchomej dane są różnicowane, aby stały się nieruchome. Model wykazujący stacjonarność to taki, który pokazuje stałość danych w czasie. Większość danych ekonomicznych i rynkowych pokazuje trendy, więc celem różnicowania jest usunięcie wszelkich trendów lub struktur sezonowych.
Sezonowość lub gdy dane wykazują regularne i przewidywalne wzorce powtarzające się w ciągu roku kalendarzowego, mogą negatywnie wpłynąć na model regresji. Jeśli pojawi się trend, a stacjonarność nie będzie widoczna, wielu obliczeń w całym procesie nie można wykonać z dużą skutecznością.
Porównaj rachunki inwestycyjne Nazwa dostawcy Opis Ujawnienie reklamodawcy × Oferty przedstawione w tej tabeli pochodzą od partnerstw, od których Investopedia otrzymuje wynagrodzenie.