Hva er et autoregressivt integrert glidende gjennomsnitt?
Et autoregressivt integrert glidende gjennomsnitt, eller ARIMA, er en statistisk analysemodell som bruker tidsseriedata for å bedre forstå datasettet eller for å forutsi fremtidige trender.
Forstå autoregressivt integrert glidende gjennomsnitt (ARIMA)
En autoregressiv integrert glidende gjennomsnittsmodell er en form for regresjonsanalyse som måler styrken til en avhengig variabel i forhold til andre skiftende variabler. Modellens mål er å forutsi fremtidige verdipapirer eller bevegelser i det finansielle markedet ved å undersøke forskjellene mellom verdiene i serien i stedet for gjennom faktiske verdier.
En ARIMA-modell kan forstås ved å skissere hver av komponentene som følger:
- Autoregression (AR) refererer til en modell som viser en variabel som endrer seg som regreserer på egenhånd laggede eller tidligere verdier. Integrert (I) representerer differensieringen av rå observasjoner for å tillate at tidsseriene blir stasjonære, dvs. dataverdiene erstattes av forskjellen mellom dataverdiene og de forrige verdiene. Det bevegelige gjennomsnittet (MA) inkorporerer avhengigheten mellom en observasjon og en restfeil fra en glidende gjennomsnittsmodell brukt på forsinkede observasjoner.
Hver komponent fungerer som en parameter med en standardnotasjon. For ARIMA-modeller vil en standardnotasjon være ARIMA med p, d og q, der heltallverdier erstatter parametrene for å indikere typen ARIMA-modell som brukes. Parametrene kan defineres som:
- p : antall forsinkelsesobservasjoner i modellen; også kjent som etterslep rekkefølge. d : antall ganger de rå observasjonene er forskjellig; også kjent som graden av differensiering.q: størrelsen på det bevegelige gjennomsnittsvinduet; også kjent som rekkefølgen på det glidende gjennomsnittet.
I en lineær regresjonsmodell er for eksempel antall og type begrep inkludert. En 0-verdi, som kan brukes som en parameter, ville bety at bestemt komponent ikke skal brukes i modellen. På denne måten kan ARIMA-modellen konstrueres for å utføre funksjonen til en ARMA-modell, eller til og med enkle AR-, I- eller MA-modeller.
Autoregressive Integrated Moving Average og Stationarity
I en autoregressiv integrert glidende gjennomsnittsmodell blir dataene differensiert for å gjøre dem stasjonære. En modell som viser stasjonaritet, er en som viser at det er konstant til dataene over tid. De fleste økonomiske og markedsdata viser trender, så formålet med differensiering er å fjerne trender eller sesongstrukturer.
Årstid, eller når data viser regelmessige og forutsigbare mønstre som gjentas over et kalenderår, kan påvirke regresjonsmodellen negativt. Hvis en trend dukker opp og stasjonaritet ikke er tydelig, kan ikke mange av beregningene gjennom hele prosessen gjøres med stor effektivitet.
