ARIMA

Kenniscentrum

   

Het voorspellen en inschatten van de toekomst: Autoregressief GeÔntegreerd Bewegend Gemiddelde. Verklaring van ARIMA van Box and Jenkins. ('76)

Inhoud

  1. Samenvatting
  2. Forum
  3. Best Practices
  4. Expert Tips
  5. Hulpbronnen
  6. Afdrukken

Niemand kan echt in de toekomst kijken. Maar moderne statistische methodes, econometrische modellen, en Business Intelligence software kunnen ondernemingen in zekere mate helpen te voorspellen en in te schatten wat er in de toekomst gaat gebeuren.


ARIMA betekent Autoregressief GeÔntegreerd Bewegend Gemiddelde.


De ARIMA tijdseries analyse†gebruikt vertragingen en verschuivingen in historische gegevens om patronen (bijv. bewegende gemiddelden, seizoengevoeligheid) te ontdekken en te voorspellen. Het ARIMA model werd voor het eerst ontwikkeld in de jaren '60, maar werd gesystematiseerd door Box and Jenkins in 1976. ARIMA kan wat complexer zijn om te gebruiken dan andere statistische voorspellingstechnieken, maar als ARIMA goed wordt uitgevoerd kan ARIMA vrij krachtig en flexibel zijn.
 

ARIMA is een methode om twee dingen te bepalen:

  1. Hoeveel van het verleden zou moeten worden gebruikt om de volgende observatie te voorspellen (lengte van gewichten)
  2. De waarden van de gewichten.

Bijvoorbeeld: y (t) = 1/3 * y (t-3) + 1/3 * y (T2) + 1/3 * y (t-1) is een ARIMA model; een ander ARIMA model is: y (t) = 1/6 * y (t-3) + 4/6 * y (T2) + 1/6 * y (t-1)

Zoals beschreven vereist een goed†ARIMA model de identificatie van het juiste aantal vertragingen en coŽfficiŽnten dat zou moeten worden gebruikt.
De ARIMA modelidentificatie gebruikt autoregressies om het onderliggende model te identificeren.
Er moet voor worden opgepast†om de parameters adequaat te identificeren en in te schatten, omdat†uitlopers (impulsen, niveauverschuivingen, lokale tijdtendensen) grote afwijkingen kunnen veroorzaken.
 

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

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


ARIMA-Model 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....
     
 

ARIMA-Model Special Interest Group


Special Interest Group

ARIMA-Model Educatie & Evenementen


Vind opleidingen, seminars en evenementen


Best Practices - ARIMA-Model Premium

Expert Tips (ENG) - ARIMA Premium

Hulpbronnen - ARIMA-Model Premium
 

Nieuws

Arima Analyse
     
 

Nieuws

Statistische Forecasting
     
 

Video's

Arima Analyse
     
 

Video's

Statistische Forecasting
     
 

Presentaties

Arima Analyse
     
 

Presentaties

Statistische Forecasting
     
 

Meer

Arima Analyse
     
 

Meer

Statistische Forecasting
     

Vergelijk met: Regressie-analyse  |† Dynamische Regressie  |† Exponential Smoothing  |† Analytische CRM  |† Bedrijfsintelligentie (Business Intelligence)


Keer terug naar Management Discipline: FinanciŽn & Investeren  |† Marketing


Meer Managementmethoden, managementmodellen en managementtheorie

Special Interest Group Leader

U hier


Over 12manage | Adverteren | Link naar 12manage | Privacy | Gebruiksvoorwaarden
Auteursrecht 2016 12manage - The Executive Fast Track. V14.1 - Laatst bijgewerkt op: 11-12-2016. Alle namen zijn tm van hun eigenaren.