Autoregresyvusis integruotasis slenkamasis vidurkis (ARIMA)
Autoregresyvusis integruotasis slenkamasis vidurkis, arba ARIMA, yra statistinės analizės modelis, naudojantis laiko eilučių duomenis, kad būtų galima geriau suprasti duomenų rinkinį arba numatyti būsimas tendencijas.
Supratimas apie automatinį progresyvųjį slenkamąjį vidurkį (ARIMA)
Autoregresyvus integruotas slankusis vidurkis yra regresinės analizės forma, kuria įvertinamas vieno priklausomo kintamojo stipris, palyginti su kitais kintamaisiais. Modelio tikslas yra numatyti būsimus vertybinius popierius ar finansų rinkos pokyčius tiriant vertės skirtumus serijose, o ne naudojant faktines vertes.
ARIMA modelį galima suprasti apibūdinant kiekvieną jo komponentą taip:
- Autoregression (AR) reiškia modelį, kuris rodo kintantį kintamąjį, kuris regresuoja pagal savo atsilikęs ar ankstesnes reikšmes.
- Integruotasis (I) reiškia neapdorotų stebėjimų diferenciaciją, kad laiko eilutės taptų nejudančios, ty duomenų vertės pakeičiamos skirtumu tarp duomenų verčių ir ankstesnių verčių.
- Slenkamasis vidurkis (MA) apima priklausomybę tarp stebėjimo ir likutinę paklaidą iš slenkančio vidurkio modelio, taikomo vėluojantiems stebėjimams.
Kiekvienas komponentas veikia kaip parametras su standartine notacija. ARIMA modeliams standartinis žymėjimas būtų ARIMA su p, d ir q, kur sveikieji skaičiai pakeičia parametrus, nurodant naudojamo ARIMA modelio tipą. Parametrus galima apibrėžti taip:
- p : vėluojančių stebėjimų skaičius modelyje; dar žinomas kaip atsilikimo tvarka.
- d : pirminių stebėjimų skirtumų skaičius; dar žinomas kaip diferenciacijos laipsnis.
- q: slenkančio vidutinio lango dydis; dar žinomas kaip slenkančio vidurkio tvarka.
Pavyzdžiui, tiesinės regresijos modelyje yra įtrauktas terminų skaičius ir rūšis. 0 reikšmė, kuri gali būti naudojama kaip parametras, reikštų, kad konkretus komponentas neturėtų būti naudojamas modelyje. Tokiu būdu ARIMA modelį galima sukonstruoti taip, kad jis atliktų ARMA modelio ar net paprastų AR, I ar MA modelių funkcijas.
Autoregresyvus integruotas slenkamasis vidurkis ir stacionarumas
Autoregresyviniame integruotame judančio vidurkio modelyje duomenys yra diferencijuojami, kad jie taptų stacionarūs. Stacionarumą demonstruojantis modelis rodo, kad laikui bėgant duomenys yra pastovūs. Dauguma ekonominių ir rinkos duomenų rodo tendencijas, todėl diferencijavimo tikslas yra pašalinti bet kokias tendencijas ar sezonines struktūras.
Sezoniškumas arba kai duomenys rodo įprastus ir nuspėjamus modelius, kurie kartojasi per kalendorinius metus, gali neigiamai paveikti regresijos modelį. Jei atsiranda tendencija ir nestabilumas nėra akivaizdus, daugelio viso proceso skaičiavimų negalima atlikti labai efektyviai.
Palyginkite investicinių sąskaitų teikėjo pavadinimą Aprašymas Skelbėjo informacijos atskleidimas × Šioje lentelėje pateikti pasiūlymai yra iš partnerystės, iš kurios „Investopedia“ gauna kompensaciją.