Шта је аутоматски прогресивни интегрисани покретни просек?
Ауторегресивни интегрисани покретни просек, или АРИМА, је модел статистичке анализе који користи податке временских серија да би се боље разумео скуп података или да би се предвидио будући трендови.
Разумевање ауторегресивног интегрисаног покретног просека (АРИМА)
Ауторегресивни интегрисани модел покретног просека је облик регресијске анализе који мери снагу једне зависне променљиве у односу на друге променљиве променљиве. Циљ модела је предвидјети будуће потезе хартија од вредности или на финансијском тржишту испитивањем разлика између вредности у низу уместо кроз стварне вредности.
АРИМА модел се може разумети тако што ће се навести сваки његов саставни део на следећи начин:
- Ауторегресија (АР) се односи на модел који показује променљиву променљиву која регресира на сопствене заостале или претходне вредности. Интегрисани (И) представља разликовање сирових опажања како би се омогућило да временске серије постану, тј. Да се вредности података замењују разликом између вредности података и претходних вредности. Помични просјек (МА) укључује зависност између посматрања и заостале грешке модела помичног просјека примијењеног на заостала посматрања.
Свака компонента функционише као параметар са стандардном нотацијом. За АРИМА моделе, стандардна нотација би била АРИМА са п, д и к, где целобројне вредности замјењују параметре који указују на тип кориштеног АРИМА модела. Параметри се могу дефинисати као:
- п : број опажања заостајања у моделу; такође познат као редослед заостајања. д : колико се разликују сирова запажања; такође познат као степен разликовања.к: величина помичног прозора; позната и као редослед кретања просека.
У моделу линеарне регресије, на пример, укључују се број и врста појмова. Вриједност 0, која се може користити као параметар, значи да се одређена компонента не би требала користити у моделу. На овај начин, АРИМА модел може бити конструисан да извршава функцију АРМА модела, или чак једноставних АР, И или МА модела.
Ауторегресични интегрисани покретни просек и стационарност
У ауторегресивном интегрисаном моделу покретних просечних података подаци се разликују како би били стационарни. Модел који показује стационарност је онај који показује да постоји константност података у току времена. Већина економских и тржишних података показује трендове, тако да је сврха разликовања уклонити све трендове или сезонске структуре.
Сезоналност, или када подаци показују редовне и предвидљиве обрасце који се понављају током календарске године, могу негативно утицати на регресијски модел. Ако се појави тренд и стационарност није евидентна, многи се рачуни током процеса не могу извршити са великом ефикасношћу.
