Autoregressivt integreret bevægende gennemsnit (ARIMA)
Hvad er et autoregressivt integreret bevægende gennemsnit?Et autoregressivt integreret glidende gennemsnit, eller ARIMA, er en statistisk analysemodel, der bruger tidsseriedata til enten bedre at forstå datasættet eller for at forudsige fremtidige tendenser.
Forståelse af autoregressivt integreret bevægende gennemsnit (ARIMA)
En autoregressiv integreret bevægende gennemsnitsmodel er en form for regressionsanalyse, der måler styrken af en afhængig variabel i forhold til andre skiftende variabler. Modelens mål er at forudsige fremtidige værdipapirer eller bevægelser på det finansielle marked ved at undersøge forskellene mellem værdier i serien i stedet for gennem faktiske værdier.
En ARIMA-model kan forstås ved at skitsere hver af dens komponenter som følger:
- Autoregression (AR) henviser til en model, der viser en ændrende variabel, der regresserer på sin egen forsinkede eller tidligere værdier.
- Integreret (I) repræsenterer forskellen mellem rå observationer for at gøre det muligt for tidsserierne at blive stationære, dvs. dataværdier erstattes af forskellen mellem dataværdierne og de forrige værdier.
- Bevægende gennemsnit (MA) inkorporerer afhængigheden mellem en observation og en restfejl fra en bevægende gennemsnitsmodel anvendt på forsinkede observationer.
Hver komponent fungerer som en parameter med en standardnotation. For ARIMA-modeller vil en standardnotation være ARIMA med p, d og q, hvor heltalværdier erstatter parametrene for at indikere typen af anvendt ARIMA-model. Parametrene kan defineres som:
- p : antallet af forsinkelser i modellen; også kendt som forsinkelsesordren.
- d : antallet af gange, at de rå observationer afviger; også kendt som graden af differentiering.
- q: størrelsen på det bevægende gennemsnitsvindue; også kendt som rækkefølgen af det glidende gennemsnit.
I en lineær regressionsmodel er for eksempel antallet og typen af termer inkluderet. En 0-værdi, der kan bruges som parameter, ville betyde, at den bestemte komponent ikke skal bruges i modellen. På denne måde kan ARIMA-modellen konstrueres til at udføre funktionen af en ARMA-model eller endda enkle AR-, I- eller MA-modeller.
Autoregressivt integreret bevægende gennemsnit og stationaritet
I en autoregressiv integreret glidende gennemsnitsmodel differentieres dataene for at gøre dem stationære. En model, der viser stationaritet, er en, der viser, at dataene er konstant over tid. De fleste økonomiske data og markedsdata viser tendenser, så formålet med at differentiere er at fjerne eventuelle tendenser eller sæsonbetonede strukturer.
Sæsonbestemmelse, eller når data viser regelmæssige og forudsigelige mønstre, der gentages over et kalenderår, kan have negativ indflydelse på regressionsmodellen. Hvis en tendens vises, og stationaritet ikke er synlig, kan mange af beregningerne i hele processen ikke foretages med stor effektivitet.
Sammenlign Navn på udbydere af investeringskonti Beskrivelse Annoncørens viden × De tilbud, der vises i denne tabel, er fra partnerskaber, hvorfra Investopedia modtager kompensation.