Autoregresivní integrovaný klouzavý průměr (ARIMA)
Co je autoregresivní integrovaný klouzavý průměr?Autoregresivní integrovaný klouzavý průměr (ARIMA) je statistický analytický model, který využívá data časových řad k lepšímu porozumění datové sadě nebo k předpovídání budoucích trendů.
Pochopení autoregresivního integrovaného klouzavého průměru (ARIMA)
Autoregresivní model integrovaného klouzavého průměru je forma regresní analýzy, která měří sílu jedné závislé proměnné vzhledem k jiným měnícím se proměnným. Cílem modelu je předpovídat budoucí pohyby cenných papírů nebo finančních trhů zkoumáním rozdílů mezi hodnotami v řadě namísto skutečných hodnot.
ARIMA modelu lze chápat tak, že nastíní každou ze svých složek takto:
- Autoregrese (AR) se týká modelu, který ukazuje měnící se proměnnou, která regresuje podle svých vlastních zpožděných nebo předchozích hodnot.
- Integrovaný (I) představuje diferenciaci prvotních pozorování, aby se umožnilo stání časové řady, tj. Datové hodnoty jsou nahrazeny rozdílem mezi datovými hodnotami a předchozími hodnotami.
- Klouzavý průměr (MA) zahrnuje závislost mezi pozorováním a zbytkovou chybou z modelu klouzavého průměru aplikovaného na zpožděná pozorování.
Každá komponenta funguje jako parametr se standardním zápisem. Pro modely ARIMA by standardní notace byla ARIMA s p, d a q, kde celočíselné hodnoty nahrazují parametry k označení typu použitého modelu ARIMA. Parametry lze definovat jako:
- p : počet zpožděných pozorování v modelu; také známý jako objednávka zpoždění.
- d : kolikrát se hrubá pozorování liší; také známý jako stupeň diferenciace.
- q: velikost okna s pohyblivým průměrem; také známý jako pořadí klouzavého průměru.
V modelu lineární regrese je například zahrnut počet a typ termínů. Hodnota 0, kterou lze použít jako parametr, by znamenala, že konkrétní komponenta by neměla být v modelu použita. Tímto způsobem lze model ARIMA zkonstruovat tak, aby vykonával funkci modelu ARMA nebo dokonce jednoduchých modelů AR, I nebo MA.
Autoregresivní integrovaný klouzavý průměr a stacionarita
V autoregresivním modelu integrovaného klouzavého průměru se data liší, aby byla nehybná. Model, který ukazuje stacionaritu, je model, který ukazuje, že je časová stálost dat. Většina ekonomických údajů a údajů o trhu ukazuje trendy, a proto účelem rozlišování je odstranit veškeré trendy nebo sezónní struktury.
Sezónnost, nebo když údaje vykazují pravidelné a předvídatelné vzorce, které se opakují v průběhu kalendářního roku, by mohlo negativně ovlivnit regresní model. Pokud se objeví trend a stacionarita není zřejmá, nelze mnoho výpočtů v průběhu procesu provést s velkou účinností.
Porovnat poskytovatele investičních účtů Jméno Popis Zveřejnění inzerenta × Nabídky, které se objevují v této tabulce, pocházejí od partnerství, od nichž Investopedia dostává náhradu.