Що таке модель Box-Jenkins?
Модель Box-Jenkins - це математична модель, призначена для прогнозування діапазонів даних на основі входів із визначеного часового ряду. Модель Box-Jenkins може аналізувати багато різних типів даних часових рядів для прогнозування.
Її методологія використовує відмінності між точками даних для визначення результатів. Методика дозволяє моделі визначати тенденції, використовуючи авторегресію, ковзні середні показники та сезонні диференціації для створення прогнозів. Авторегресивні інтегровані ковзні середні моделі (ARIMA) є формою моделі Box-Jenkins. Терміни ARIMA та модель Box-Jenkins можна використовувати без змін.
Ключові вивезення
- Модель Box-Jenkins - це методологія прогнозування з використанням регресійних досліджень. Методику найкраще використовувати як комп’ютерно-обчислений прогноз на основі регресії даних часових рядів. Він найкраще підходить для прогнозування протягом 18 місяців або менше. Розрахунки ARIMA проводяться за допомогою складних інструментів, таких як програмоване статистичне програмне забезпечення на мові програмування R.
Розуміння моделі Box-Jenkins
Моделі Box-Jenkins використовуються для прогнозування різних очікуваних точок даних або діапазонів даних, включаючи бізнес-дані та майбутні ціни на безпеку.
Модель Box-Jenkins була створена двома математиками Джорджем Боксом та Гвілімом Дженкінсом. Два математики обговорили концепції, які складають цю модель у публікації 1970 року "Аналіз часових рядів: прогнозування та контроль".
Оцінки параметрів моделі Box-Jenkins можуть бути дуже складними. Тому, як і в інших регресійних моделях часових рядів, найкращі результати, як правило, будуть досягнуті за рахунок використання програмованого програмного забезпечення. Модель Box-Jenkins, як правило, найкраще підходить для короткострокового прогнозування на 18 місяців або менше.
Методологія Бокса-Дженкінса
Модель Box-Jenkins - одна з декількох моделей аналізу часових рядів, з якими зіткнеться синоптик при використанні програмного забезпечення прогнозування. У багатьох випадках програмне забезпечення буде запрограмовано для автоматичного використання найкращої методології прогнозування на основі даних прогнозованих часових рядів. Як повідомляється, Box-Jenkins є найкращим вибором для наборів даних, які в основному стабільні з низькою мінливістю.
Модель Box-Jenkins прогнозує дані, використовуючи три принципи: авторегресію, диференціювання та ковзну середню. Ці три принципи відомі як p, d і q відповідно. Кожен принцип використовується в аналізі Box-Jenkins, і вони спільно відображаються як ARIMA (p, d, q).
Процес авторегресії (p) перевіряє дані на рівень його стаціонарності. Якщо використовувані дані є нерухомими, це може спростити процес прогнозування. Якщо дані, які використовуються, є нестаціонарними, їх потрібно буде різнити (d). Дані також перевіряються на його ковзну середню придатність, яка виконується в частині q процесу аналізу. Загалом, початковий аналіз даних готує його до прогнозування шляхом визначення параметрів (p, d і q), які застосовуються для розробки прогнозу.
Прогнозування цін на акції
Одне використання для аналізу моделі Box-Jenkins - прогнозування цін на акції. Цей аналіз, як правило, розробляється та кодується за допомогою програмного забезпечення R. Аналіз призводить до логарифмічного результату, який може бути застосований до набору даних для формування прогнозованих цін на визначений період часу в майбутньому.
