Hva er Box-Jenkins-modellen?
Box-Jenkins-modellen er en matematisk modell designet for å forutsi dataintervigelser basert på innspill fra en spesifisert tidsserie. Box-Jenkins-modellen kan analysere mange forskjellige typer tidsseriedata for prognoser.
Metodikken bruker forskjeller mellom datapunkter for å bestemme utfall. Metodikken gjør at modellen kan identifisere trender ved hjelp av autoregresjon, glidende gjennomsnitt og sesongdifferensiering for å generere prognoser. Autoregressive Integrated Moving Average (ARIMA) modeller er en form for Box-Jenkins modell. Begrepene ARIMA og Box-Jenkins Model kan brukes om hverandre.
Viktige takeaways
- Box-Jenkins-modellen er en prognosemetodikk ved bruk av regresjonsstudier. Metodikken brukes best som en datamaskinberegnet prognose basert på en regresjon av tidsseriedata. Det er best egnet for prognoser innen tidsrammer på 18 måneder eller mindre. ARIMA-beregninger gjøres med sofistikerte verktøy som programmerbar statistisk programvare på programmeringsspråk R.
Forstå Box-Jenkins-modellen
Box-Jenkins-modeller brukes til å predikere en rekke forventede datapunkter eller datoperioder, inkludert forretningsdata og fremtidige sikkerhetspriser.
Box-Jenkins-modellen ble opprettet av to matematikere George Box og Gwilym Jenkins. De to matematikerne diskuterte konseptene som utgjør denne modellen i en publikasjon fra 1970 "Time Series Analysis: Forecasting and Control."
Beregninger av parametrene til Box-Jenkins-modellen kan være veldig kompliserte. Derfor, i likhet med andre tidsserie-regresjonsmodeller, vil de beste resultatene typisk oppnås ved bruk av programmerbar programvare. Box-Jenkins-modellen er også generelt best egnet for kortsiktig prognoser på 18 måneder eller mindre.
Box-Jenkins metodikk
Box-Jenkins-modellen er en av flere tidsserieranalysemodeller en prognoser vil møte når du bruker programmert prognoseprogramvare. I mange tilfeller vil programvaren bli programmert til automatisk å bruke den best tilpassede prognosemetodikken basert på tidsseriedataene som skal forutsettes. Box-Jenkins er rapportert å være et topp valg for datasett som stort sett er stabile med lav volatilitet.
Box-Jenkins Model prognoser data ved å bruke tre prinsipper, autoregresjon, differensiering og glidende gjennomsnitt. Disse tre prinsippene er kjent som henholdsvis p, d og q. Hvert prinsipp brukes i Box-Jenkins-analysen og sammen vises de samlet som ARIMA (p, d, q).
Autoregresjonsprosessen (p) tester dataene for sitt stasjonaritetsnivå. Hvis dataene som brukes er stasjonære, kan det forenkle prognoseprosessen. Hvis dataene som brukes er ikke-stasjonære, må de differensieres (d). Dataene blir også testet for deres glidende gjennomsnittstilpasning som gjøres i del q av analyseprosessen. Totalt sett forbereder den første analysen av dataene seg for prognoser ved å bestemme parametrene (p, d og q) som blir brukt for å utvikle en prognose.
Prognosering aksjekurser
En bruk for Box-Jenkins modellanalyse er å spå aksjekurser. Denne analysen er vanligvis bygd ut og kodet gjennom R-programvare. Analysen resulterer i et logaritmisk utfall som kan brukes på datasettet for å generere de prognoserte prisene for et spesifikt tidsrom fremover.
