Główny » handel algorytmiczny » Autoregresywna zintegrowana średnia ruchoma (ARIMA)

Autoregresywna zintegrowana średnia ruchoma (ARIMA)

handel algorytmiczny : Autoregresywna zintegrowana średnia ruchoma (ARIMA)
Co to jest zintegrowana średnia ruchoma autoregresji?

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.

Terminy pokrewne

Definicja modelu Boxa-Jenkinsa Model Boxa-Jenkinsa jest modelem matematycznym zaprojektowanym do prognozowania danych z określonych szeregów czasowych. więcej Co to jest termin błędu? Pojęcie błędu definiuje się jako zmienną w modelu statystycznym, który jest tworzony, gdy model nie w pełni reprezentuje rzeczywistą zależność między zmiennymi niezależnymi i zależnymi. więcej Jak działa metoda najmniejszych kwadratów Metoda najmniejszych kwadratów to technika statystyczna służąca do ustalenia linii najlepszego dopasowania do modelu, określonej równaniem z pewnymi parametrami obserwowanych danych. więcej Jak działa rezydualne odchylenie standardowe Resztkowe odchylenie standardowe jest terminem statystycznym stosowanym do opisania różnicy w odchyleniach standardowych obserwowanych wartości w stosunku do wartości przewidywanych, jak pokazują punkty w analizie regresji. więcej Co oznacza autoregresja? Model statystyczny jest autoregresyjny, jeśli przewiduje przyszłe wartości na podstawie przeszłych wartości (tj. Prognozuje przyszłe ceny akcji na podstawie wcześniejszych wyników). więcej Jak działa wielokrotna regresja liniowa Wielokrotna regresja liniowa (MLR) to technika statystyczna, która wykorzystuje kilka zmiennych objaśniających do przewidywania wyniku zmiennej odpowiedzi. więcej linków partnerskich
Zalecane
Zostaw Swój Komentarz