Что такое модель Бокса-Дженкинса?
Модель Бокса-Дженкинса - это математическая модель, предназначенная для прогнозирования диапазонов данных на основе входных данных из определенного временного ряда. Модель Бокса-Дженкинса может анализировать данные различных временных рядов для прогнозирования.
Его методология использует различия между точками данных для определения результатов. Методология позволяет модели определять тенденции с использованием авторегрессии, скользящих средних и сезонных различий для создания прогнозов. Модели авторегрессионного интегрированного скользящего среднего (ARIMA) являются формой модели Бокса-Дженкинса. Термины ARIMA и Box-Jenkins Model могут использоваться взаимозаменяемо.
Ключевые вынос
- Модель Бокса-Дженкинса представляет собой методологию прогнозирования с использованием регрессионных исследований. Эта методология лучше всего используется в качестве компьютерно-рассчитанного прогноза, основанного на регрессии данных временных рядов. Она лучше всего подходит для прогнозирования в течение 18 месяцев или менее. Расчеты ARIMA выполняются с помощью сложных инструментов, таких как программируемое статистическое программное обеспечение на языке программирования R.
Понимание модели Бокса-Дженкинса
Модели Бокса-Дженкинса используются для прогнозирования различных ожидаемых точек данных или диапазонов данных, включая бизнес-данные и будущие цены на безопасность.
Модель Бокса-Дженкинса была создана двумя математиками Джорджем Боксом и Гвилимом Дженкинсом. Два математика обсуждали концепции, составляющие эту модель, в публикации 1970 года «Анализ временных рядов: прогнозирование и контроль».
Оценки параметров модели Бокса-Дженкинса могут быть очень сложными. Поэтому, как и в других регрессионных моделях временных рядов, наилучшие результаты обычно достигаются с помощью программируемого программного обеспечения. Модель Бокса-Дженкинса также обычно лучше всего подходит для краткосрочного прогнозирования на 18 месяцев или менее.
Методика Бокса-Дженкинса
Модель Бокса-Дженкинса является одной из нескольких моделей анализа временных рядов, с которыми прогнозист столкнется при использовании программного обеспечения для прогнозирования. Во многих случаях программное обеспечение будет запрограммировано на автоматическое использование наиболее подходящей методологии прогнозирования на основе данных временных рядов, которые должны быть спрогнозированы. Бокс-Дженкинс, как сообщается, является лучшим выбором для наборов данных, которые в основном стабильны с низкой волатильностью.
Модель Бокса-Дженкинса прогнозирует данные с использованием трех принципов: авторегрессии, разности и скользящего среднего. Эти три принципа известны как p, d и q соответственно. Каждый принцип используется в анализе Бокса-Дженкинса, и вместе они вместе обозначаются как ARIMA (p, d, q).
Процесс авторегрессии (p) проверяет данные на уровень стационарности. Если используемые данные являются стационарными, это может упростить процесс прогнозирования. Если используемые данные нестационарны, их необходимо будет дифференцировать (d). Данные также проверяются на соответствие скользящей средней, что делается в части q процесса анализа. В целом, первоначальный анализ данных подготавливает их для прогнозирования путем определения параметров (p, d и q), которые применяются для разработки прогноза.
Прогнозирование цен на акции
Одним из применений анализа модели Бокса-Дженкинса является прогнозирование цен на акции. Этот анализ обычно строится и кодируется с помощью программного обеспечения R. Анализ приводит к логарифмическому результату, который может быть применен к набору данных, чтобы сгенерировать прогнозные цены на определенный период времени в будущем.
