Kaj je samodejno progresivno integrirano drsno povprečje?
Samodejno progresivno integrirano drsno povprečje ali ARIMA je model statistične analize, ki uporablja podatke časovnih vrst za boljše razumevanje nabora podatkov ali za napovedovanje prihodnjih trendov.
Razumevanje avtoresivnega integriranega gibalnega povprečja (ARIMA)
Samodejno-progresivni integrirani model povprečnega gibanja je oblika regresijske analize, ki meri moč ene odvisne spremenljivke glede na druge spremenljive spremenljivke. Cilj modela je predvideti prihodnje premike vrednostnih papirjev ali finančnih trgov s preučevanjem razlik med vrednostmi v seriji namesto preko dejanskih vrednosti.
Model ARIMA lahko razumemo tako, da orisemo vsako njegovo komponento na naslednji način:
- Avtoregresija (AR) se nanaša na model, ki prikazuje spreminjajočo se spremenljivko, ki se nanaša na lastne zaostale ali predhodne vrednosti. Integrirani (I) predstavlja razlikovanje nerazredčenih opazovanj, da se omogoči, da časovna serija miruje, tj. Podatkovne vrednosti se nadomestijo z razliko med vrednostmi podatkov in prejšnjimi vrednostmi. Gibljivo povprečje (MA) vključuje odvisnost med opazovanjem in preostalo napako modela drsečega povprečja, ki se uporablja za zaostala opazovanja.
Vsaka komponenta deluje kot parameter s standardno notacijo. Za modele ARIMA bi bil standardni zapis ARIMA s p, d in q, pri čemer celotne vrednosti nadomeščajo parametre, ki označujejo vrsto uporabljenega modela ARIMA. Parametre je mogoče opredeliti kot:
- p : število opažanj zaostajanja v modelu; znan tudi kot zaostajanje. d : kolikokrat se razlikujejo surove ugotovitve; znana tudi kot stopnja razlikovanja.q: velikost okna z drsnim povprečjem; znan tudi kot vrstni red drsečega povprečja.
V model linearne regresije sta na primer vključena število in vrsta izrazov. Vrednost 0, ki se lahko uporablja kot parameter, bi pomenila, da določene komponente ne bi smeli uporabljati v modelu. Tako lahko model ARIMA konstruiramo tako, da opravlja funkcijo modela ARMA ali celo preprostih modelov AR, I ali MA.
Avto progresivno integrirano drsno povprečje in stacionarnost
V samodejno progresivnem modelu integriranega drsnega povprečja se podatki razlikujejo, da bi ostali mirni. Model, ki pokaže stacionarnost, je tisti, ki pokaže, da se podatki sčasoma ustalijo. Večina ekonomskih in tržnih podatkov kaže trende, zato je namen razlikovanja odstraniti kakršne koli trende ali sezonske strukture.
Sezonalnost ali kadar podatki kažejo redne in predvidljive vzorce, ki se ponavljajo v koledarskem letu, lahko negativno vplivajo na regresijski model. Če se pojavi trend in stacionarnost ni očitna, mnogih izračunov v celotnem procesu ni mogoče izvesti z veliko učinkovitostjo.
