Autoregressive Integrated Moving Average (ARIMA)
Ett autoregressivt integrerat rörligt medelvärde, eller ARIMA, är en statistisk analysmodell som använder tidsseriedata för att antingen bättre förstå datauppsättningen eller för att förutsäga framtida trender.
Förstå autoregressivt integrerat rörligt medelvärde (ARIMA)
En autoregressiv integrerad rörlig genomsnittsmodell är en form av regressionsanalys som mäter styrkan hos en beroende variabel relativt andra förändrade variabler. Modellens mål är att förutsäga framtida värdepapper eller rörelser på finansmarknaden genom att undersöka skillnaderna mellan värden i serien istället för genom faktiska värden.
En ARIMA-modell kan förstås genom att beskriva var och en av dess komponenter på följande sätt:
- Autoregression (AR) hänvisar till en modell som visar en förändrad variabel som regresserar på sin egen lagrade eller tidigare värden.
- Integrerad (I) representerar skillnaden mellan råa observationer för att möjliggöra att tidsserien blir stationär, dvs datavärden ersätts av skillnaden mellan datavärdena och de tidigare värdena.
- Rörligt medelvärde (MA) inkorporerar beroendet mellan en observation och ett återstående fel från en rörlig genomsnittsmodell tillämpad på fördröjda observationer.
Varje komponent fungerar som en parameter med en standardnotation. För ARIMA-modeller skulle en standardnotation vara ARIMA med p, d och q, där heltalvärden ersätter parametrarna för att ange typen av ARIMA-modell som används. Parametrarna kan definieras som:
- p : antalet fördröjningsobservationer i modellen; även känd som fördröjningsordningen.
- d : antalet gånger de råa observationerna skiljs åt; även känd som graden av skillnad.
- q: storleken på det rörliga medelfönstret; även känd som det rörliga medelvärdet.
I en linjär regressionsmodell inkluderas till exempel antal och typ av termer. Ett 0-värde, som kan användas som en parameter, skulle innebära att en viss komponent inte ska användas i modellen. På detta sätt kan ARIMA-modellen konstrueras för att utföra funktionen av en ARMA-modell, eller till och med enkla AR-, I- eller MA-modeller.
Autoregressive Integrated Moving Average och Stationarity
I en autoregressiv integrerad rörlig genomsnittsmodell skiljs uppgifterna för att göra dem stationära. En modell som visar stationäritet är en som visar att det är konstant för data över tid. De flesta ekonomiska uppgifter och marknadsdata visar trender, så syftet med skillnader är att ta bort eventuella trender eller säsongsstrukturer.
Säsongstider, eller när data visar regelbundna och förutsägbara mönster som upprepas under ett kalenderår, kan påverka regressionsmodellen negativt. Om en trend dyker upp och stationäritet inte är uppenbar, kan många av beräkningarna under hela processen inte göras med stor effektivitet.
Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.