Что такое авторегрессионное интегрированное скользящее среднее?
Авторегрессионное интегрированное скользящее среднее, или ARIMA, представляет собой модель статистического анализа, которая использует данные временного ряда для лучшего понимания набора данных или для прогнозирования будущих тенденций.
Понимание авторегрессионной интегрированной скользящей средней (ARIMA)
Модель авторегрессионной интегрированной скользящей средней - это форма регрессионного анализа, которая измеряет силу одной зависимой переменной относительно других изменяющихся переменных. Цель модели - предсказать будущие движения ценных бумаг или финансового рынка, исследуя различия между значениями в ряду, а не через фактические значения.
Модель ARIMA можно понять, выделив каждый из ее компонентов следующим образом:
- Авторегрессия (AR) относится к модели, которая показывает изменяющуюся переменную, которая регрессирует на свои собственные запаздывающие или предыдущие значения. Интегрированный (I) представляет разность необработанных наблюдений, чтобы позволить временным рядам стать стационарными, то есть значения данных заменяются на разницу между значениями данных и предыдущими значениями. Скользящее среднее (MA) включает в себя зависимость между наблюдением и остаточной ошибкой от модели скользящего среднего, применяемой к запаздывающим наблюдениям.
Каждый компонент функционирует как параметр со стандартным обозначением. Для моделей ARIMA стандартным обозначением будет ARIMA с p, d и q, где целочисленные значения заменяют параметры, указывающие тип используемой модели ARIMA. Параметры могут быть определены как:
- p : число лаг-наблюдений в модели; также известный как порядок отставания. d : количество раз, что необработанные наблюдения различаются; также известный как степень дифференцирования. q: размер окна скользящей средней; также известный как порядок скользящего среднего.
Например, в модель линейной регрессии включены количество и тип терминов. Значение 0, которое можно использовать в качестве параметра, будет означать, что конкретный компонент не должен использоваться в модели. Таким образом, модель ARIMA может быть построена для выполнения функции модели ARMA или даже простых моделей AR, I или MA.
Авторегрессия Интегрированная скользящая средняя и стационарность
В модели авторегрессионной интегрированной скользящей средней данные разностны, чтобы сделать их стационарными. Модель, которая показывает стационарность, - это модель, которая показывает постоянство данных во времени. Большинство экономических и рыночных данных показывают тенденции, поэтому цель различий состоит в том, чтобы удалить любые тренды или сезонные структуры.
Сезонность или когда данные показывают регулярные и предсказуемые модели, которые повторяются в течение календарного года, могут негативно повлиять на регрессионную модель. Если появляется тенденция и стационарность не очевидна, многие вычисления в течение всего процесса не могут быть выполнены с большой эффективностью.
