ARIMA (AUTO-RÉGRESSIONS)

Centre de Connaissances

   

Prévision et estimation du futur : Moyenne Mobile Intégrée Auto-régressive). Description du modèle ARIMA de Box and Jenkins. ('76)

Sommaire

  1. Résumé
  2. Forum
  3. Meilleures Pratiques
  4. Expert Tips
  5. Ressources
  6. Imprimer

Personne ne peut vraiment prédire le futur. Mais les méthodes statistiques modernes, les modèles économétriques, et les logiciels de Business Intelligence peuvent, dans une certaine mesure, aider les entreprises à prévoir et à estimer ce qui va se produire dans le futur.


Le Modèle ARIMA représente la Moyenne Mobile Intégrée Auto-régressive (AutoRegressive Integrated Moving Average).


L'Analyse de Séries Temporelles du Modèle ARIMA, emploie des retards et analyse les données historiques pour découvrir des modèles (par exemple des moyennes mobiles, un caractère saisonnier) et prévoir le futur. Le Modèle ARIMA a été développé pour la première fois vers la fin des années 60 mais il a été systématisé par Box and Jenkins en 1976. Le modèle ARIMA peut être plus complexe à employer que d'autres techniques de prévisions statistiques, bien qu'une fois mis en oeuvre correctement le Modèle ARIMA puisse être tout à fait puissant et souple.
 

Le Modèle ARIMA est une méthode pour déterminer deux choses :

  1. Quelle quantité du passé devrait être utilisé pour prévoir la prochaine observation (mesure)
  2. Les valeurs de pondération.

Par exemple y (t) = 1/3 * y (T-3) + 1/3 * y (T2) + 1/3 * y (T-1) est un modèle ARIMA ; un autre Modèle ARIMA est y (t) = 1/6 * y (T-3) + 4/6 * y (T2) + 1/6 * y (le T-1)

Ainsi le Modèle ARIMA correct exige l'identification du bon nombre de retards et des coefficients qui devraient être utilisés.
L'identification du Modèle ARIMA emploie des auto-regressions pour identifier le modèle sous-jacent.
Un soin tout particulier doit être pris pour identifier et estimer les paramètres de manière robuste pendant que les annexes (les impulsions, les niveaux de déplacement, les tendances liée au temps) peuvent limiter les erreurs.
 

Livre : Alan Pankratz - Forecasting with Univariate Box Jenkins Models : Concepts and Cases -

Livre : Jeffrey Wooldridge - Introductory Econometrics: A Modern Approach -


Forum de Modèle ARIMA
  What is Moving Average?
What is the moving average and how can we calculate this?...
     
 
  ARIMA model or Time Fourier series
The ARIMA model is a useful model, but not precise enough.
An interesting application for phenomenons estimated as cyclic, is the Time Fourier series.
Particularly for short-time projecting, I think it very useful (But , I repeat, only for ...
     
 
  Updating the ARIMA model
I think even if we develop the best ARIMA model there will surely be some amount of error. If we develop a nonlinear or regression model (with influencing parameters) for the error and add it to the ARIMA, it will considerably reduce error....
     
 

Modèle ARIMA Groupe d'Intérêt Spécial


Groupe d'Intérêt Spécial

Modèle ARIMA Enseignement & Evènements


Trouvez des formations, séminaires et évènements


Meilleures Pratiques - Modèle ARIMA Premium

Expert Tips (ENG) - ARIMA Premium

Ressources - Modèle ARIMA Premium
 

Nouvelles

Arima Analyse
     
 

Nouvelles

Statistique Prévision
     
 

Vidéos

Arima Analyse
     
 

Vidéos

Statistique Prévision
     
 

Présentations

Arima Analyse
     
 

Présentations

Statistique Prévision
     
 

Plus

Arima Analyse
     
 

Plus

Statistique Prévision
     

Comparez avec : Analyse de Régression  |  Régression Dnamique  |  Lissage Exponentiel  |  CRM analytique  |  Intelligence des Affaires


Retour vers la page des disciplines de Management : Finances et investissement  |  Marketing 


Plus de Méthodes, Modèles et Théorie de Management

Special Interest Group Leader

Vous ici


Au sujet de 12manage | Publicité | Lien avec nous | Confidentialité | Conditions de service
Copyright 2016 12manage - La voie rapide vers la direction générale. V14.1 - Dernière mise à jour : 25-9-2016. Tout les noms TM par leurs propriétaires.