ARIMA (ARIMA-modeller och tidserieanalys)

12manage reaches 100.000 members

Förutse och beräkna framtiden: Autoregressive Integrated Moving Average. Förklaring till ARIMA av Box och Jenkins. ('76) - Svenska

Ingen kan egentligen se in i framtiden. Men moderna statistiska metoder, ekonometriska modeller och Business Intelligence BI (Affärsinformation, upplysning) programvara kan till viss utsträckning hjälpa företag med att prognostisera och bedöma vad som kan komma att hända i framtiden.

ARIMA står för AutoRegressive Integrated Moving Average.

ARIMA-tidserieanalys använder intervall och skiftningar i historiska data för att avslöja mönstren (t.ex. löpande genomsnittet, säsongsmässigheten) och för att förutsäga framtiden med hjälp av detta. ARIMA-modellen utvecklades först under den senare delen av på 60-talet, men den systematiserades av Box och Jenkins året 1976. ARIMA kan vara mera komplex att använda än andra statistiska progonstiserande tekniker, hur som helst, när den är riktigt implementerad, kan ARIMA vara mycket kraftfull och flexibel.
 

ARIMA är en metod för att bestämma två saker:

1. Hur mycket av det förflutna skall användas till att förutsäga nästa observation (längden på tidserien, intervallet)
2. Viktvärden.

Till exempel y (t) = 1/3 * y (t-3) + 1/3 * y (t-2) + 1/3 * y (t-1) är en ARIMA-modell; en annan ARIMA-MODELL är y (t) = 1/6 * y (t-3) + 4/6 * y (t-2) + 1/6 * y (t-1)

Således kräver den korrekta ARIMA-modellen identifiering av rätt antal intervall och koefficienter som bör användas.
ARIMA-modell identifiering använder autoregressioner för att identifiera den underliggande modellen.
Man måste ta särskild hänsyn att mycket noggrant identifiera och bedöma de parametrar som radikalt skiljer ut sig från mängden (pulser, nivå skiftningar, lokala tidstrender), och kan utlösa en ödeläggelse av analysen.
 

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

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

ARIMA statistik Särskild Intressegrupp SIG

Besök Särskilda Intressegruppen

ARIMA statistik Forum

Lägg till en ny Kommentar

ARIMA statistik Utbildning & Sammankomster

Jämför med: Regression Analysis (Regressionsanalys)  |  Dynamic Regression (Dynamisk Regressionsanalys)  |  Exponential Smoothing (Exponentiell Utjämningsmetodik)  |  Analytical CRM (Analytisk CRM)  |  Business Intelligence BI (Business Intelligens/Affärsinformation)

Retur till Management Start: Ekonomi & Investera  |  Marknadsföring 

Mer Management Metoder, Modeller och Teori