ARIMA

Centro di Conoscenza

   

Prevedere e valutare il futuro: Media Mobile Auto Regressiva Integrata [AutoRegressive Integrated Moving Average]. Spiegazione di ARIMA di Box e Jenkins. ('76)

Indice

  1. Riassunto
  2. Forum
  3. Migliori Pratiche
  4. Expert Tips
  5. Risorse
  6. Stampa

Nessuno può realmente prevedere il futuro. Anche se i metodi statistici moderni, i modelli econometrici e i software di Business Intelligence possono parzialmente aiutare le aziende nel prevedere e stimare quello che sta per succedere nel futuro prossimo.


ARIMA sta per AutoRegressive Integrated Moving Average [Media Mobile AutoRegressiva Integrata].


L' Analisi delle Serie Temporali di ARIMA usa i ritardi e gli spostamenti nei dati storici per scoprire i trend (per esempio media mobile, stagionalità) e prevedere il futuro. Il modello di ARIMA fu dapprima sviluppato verso la fine degli anni 60 ma è stato sistemato da Box e Jenkins nel 1976. L'ARIMA può essere più complesso da usare di altre tecniche di previsione statistiche, sebbene una volta eseguito correttamente l'ARIMA può essere abbastanza potente e flessibile.
 

L'ARIMA è un metodo per determinare due cose:

  1. Quanto del passato dovrebbe essere usato per prevedere la prossima osservazione (lunghezza dei pesi)
  2. I valori dei pesi.

Per esempio y (t) = 1/3 * y (T-3) + 1/3 * di y (T2) + 1/3 * y (T-1) è un modello di ARIMA; un altro MODELLO di ARIMA è y (t) = 1/6 * y (T-3) + 4/6 * di y (T2) + 1/6 * y (T-1)

Così un modello corretto di ARIMA richiede l'identificazione del giusto numero di ritardi e dei coefficenti che dovrebbero essere usati.
L'identificazione del modello di ARIMA usa le autoregressioni per identificare il modello subordinato.
Bisogna stare attenti nell'identificare e valutare in maniera precisa i parametri poichè valori errati (impulsi, livelli spostati, tendenze temporali locali) possono causare enormi disastri.
 

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

Referenza Bibliografica: Jeffrey Wooldridge - Introductory Econometrics: A Modern Approach -


Modello di ARIMA Forum
  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....
     
 

Modello di ARIMA Special Interest Group


Special Interest Group

Modello di ARIMA Corsi & Eventi


Corsi, Seminari ed Eventi


Migliori Pratiche - Modello di ARIMA Premium

Expert Tips (ENG) - ARIMA Premium

Risorse - Modello di ARIMA Premium
 

Notizie

Arima Analisi
     
 

Notizie

Statistica Previsioni
     
 

Video

Arima Analisi
     
 

Video

Statistica Previsioni
     
 

Presentazioni

Arima Analisi
     
 

Presentazioni

Statistica Previsioni
     
 

Di più

Arima Analisi
     
 

Di più

Statistica Previsioni
     

Paragonare a: Analisi della Regressione  |  Regressione Dinamica  |  Smorzamento Esponenziale  |  Analytical CRM  |  Business Intelligence


Ritornare alla Disciplina di Gestione: Finanza & Investimenti  |  Marketing 


Più Metodi, Modelli e Teorie di Gestione

Special Interest Group Leader

Lei qui


Tutto su 12manage | Pubblicitá | Collegati a noi | Privacy | Termini del Servizio
Copyright 2016 12manage - The Executive Fast Track. V14.1 - Ultimo aggiornamento: 5-12-2016. Tutto i nomi appartengono ai loro proprietari.