Kaj je model Box-Jenkins?
Model Box-Jenkins je matematični model, zasnovan za napovedovanje podatkovnih razponov na podlagi vhodov iz določenega časovnega niza. Model Box-Jenkins lahko analizira veliko različnih vrst časovnih vrst za napovedovanje.
Njegova metodologija uporablja razlike med podatkovnimi točkami za določitev rezultatov. Metodologija omogoča modelu, da prepozna trende z uporabo samodejne agresije, drsečih povprečij in sezonskih razlik za ustvarjanje napovedi. Avtomatski progresivni integrirani modeli (ARIMA) so oblika Box-Jenkinsovega modela. Izraza ARIMA in Box-Jenkins Model se lahko uporabljata zamenljivo.
Ključni odvzemi
- Model Box-Jenkins je metodologija napovedovanja z uporabo regresijskih študij. Metodologija je najbolje uporabiti kot računalniško izračunano napoved, ki temelji na regresiji podatkov časovnih vrst. Najbolj je primerna za napovedovanje v časovnih okvirih 18 mesecev ali manj. Izračuni ARIMA se izvajajo s sofisticiranimi orodji, kot je programirljiva statistična programska oprema v programskem jeziku R.
Razumevanje modela Box-Jenkins
Modeli Box-Jenkins se uporabljajo za napovedovanje različnih pričakovanih podatkovnih točk ali obsegov podatkov, vključno s poslovnimi podatki in prihodnjimi cenami varnosti.
Model Box-Jenkins sta ustvarila dva matematika George Box in Gwilym Jenkins. Dva matematika sta razpravljala o konceptih, ki jih vsebuje ta model, v publikaciji iz leta 1970 "Analiza časovnih vrst: napovedovanje in nadzor."
Ocene parametrov modela Box-Jenkins so lahko zelo zapletene. Zato bodo, podobno kot regresijski modeli časovnih vrst, najboljši rezultati običajno doseženi z uporabo programabilne programske opreme. Model Box-Jenkins je na splošno tudi najbolj primeren za kratkoročno napovedovanje 18 mesecev ali manj.
Box-Jenkins Metodologija
Model Box-Jenkins je eden izmed številnih modelov analize časovnih vrst, s katerimi se bo srečal napovedovalec, ko bo uporabljal programsko programsko opremo za napovedovanje. V mnogih primerih bo programska oprema programirana tako, da samodejno uporablja najboljšo metodologijo napovedovanja na podlagi podatkov časovnih vrst, ki jih je treba napovedati. Box-Jenkins naj bi bil najboljša izbira za nabore podatkov, ki so večinoma stabilni z nizko volatilnostjo.
Model Box-Jenkins napoveduje podatke z uporabo treh načel: avtoregresije, razlikovanja in drsečega povprečja. Ta tri načela so znana kot p, d in q. Vsako načelo je uporabljeno v analizi Box-Jenkins in skupaj sta skupaj prikazana kot ARIMA (p, d, q).
Proces samostojnosti (p) testira podatke glede njihove stopnje stacionarnosti. Če so podatki, ki se uporabljajo, nepremični, to lahko poenostavi postopek napovedovanja. Če se podatki, ki se uporabljajo, niso stacionarni, jih je treba razlikovati (d). Podatki se tudi preskušajo glede na njegovo drseče povprečje, ki je opravljeno v delu q procesa analize. Na splošno ga začetna analiza podatkov pripravi za napovedovanje z določitvijo parametrov (p, d in q), ki se uporabljajo za razvoj napovedi.
Napovedovanje delniških cen
Ena od načinov za analizo modela Box-Jenkins je napovedovanje cen delnic. Ta analiza je običajno izdelana in kodirana s pomočjo programske opreme R. Rezultat analize prinaša logaritmični rezultat, ki ga je mogoče uporabiti za nabor podatkov za ustvarjanje napovedanih cen za določeno časovno obdobje v prihodnosti.
