Co to jest zintegrowana średnia ruchoma autoregresji?
Autoregresywna zintegrowana średnia ruchoma (ARIMA) to model analizy statystycznej, który wykorzystuje dane szeregów czasowych do lepszego zrozumienia zestawu danych lub do prognozowania przyszłych trendów.
Zrozumienie zintegrowanej średniej ruchomej autoregresji (ARIMA)
Autoregresyjny zintegrowany model średniej ruchomej jest formą analizy regresji, która ocenia siłę jednej zmiennej zależnej w stosunku do innych zmiennych zmiennych. Celem tego modelu jest przewidywanie przyszłych ruchów na rynku papierów wartościowych lub rynków finansowych poprzez badanie różnic między wartościami w szeregu zamiast wartości rzeczywistych.
Model ARIMA można zrozumieć, przedstawiając każdy z jego elementów w następujący sposób:
- Autoregresja (AR) odnosi się do modelu, który pokazuje zmienną zmienną, która regresuje się na własnych opóźnionych lub wcześniejszych wartościach. Zintegrowane (I) reprezentuje różnicowanie surowych obserwacji, aby umożliwić ustalenie szeregów czasowych, tzn. Wartości danych są zastępowane różnicą między wartościami danych a poprzednimi wartościami. Średnia ruchoma (MA) obejmuje zależność między obserwacją a błędem resztkowym z modelu średniej ruchomej zastosowanej do opóźnionych obserwacji.
Każdy element działa jako parametr ze standardową notacją. W przypadku modeli ARIMA standardową notacją byłoby ARIMA z p, d i q, gdzie wartości całkowite zastępują parametry wskazujące typ zastosowanego modelu ARIMA. Parametry można zdefiniować jako:
- p : liczba obserwacji opóźnień w modelu; znany również jako kolejność opóźnień. d : liczba różnic między surowymi obserwacjami; znany również jako stopień różnicowania. q: rozmiar okna średniej ruchomej; znany również jako kolejność średniej kroczącej.
Na przykład w modelu regresji liniowej uwzględniono liczbę i rodzaj terminów. Wartość 0, która może być użyta jako parametr, oznaczałaby, że dany komponent nie powinien być używany w modelu. W ten sposób model ARIMA można konstruować tak, aby pełnił funkcję modelu ARMA, a nawet prostych modeli AR, I lub MA.
Autoregresywna zintegrowana średnia ruchoma i stacjonarność
W autoregresyjnym zintegrowanym modelu średniej ruchomej dane są różnicowane, aby stały się nieruchome. Model wykazujący stacjonarność to taki, który pokazuje stałość danych w czasie. Większość danych ekonomicznych i rynkowych pokazuje trendy, więc celem różnicowania jest usunięcie wszelkich trendów lub struktur sezonowych.
Sezonowość lub gdy dane wykazują regularne i przewidywalne wzorce powtarzające się w ciągu roku kalendarzowego, mogą negatywnie wpłynąć na model regresji. Jeśli pojawi się trend, a stacjonarność nie będzie widoczna, wielu obliczeń w całym procesie nie można wykonać z dużą skutecznością.
