ARIMA-Modell

Wissenszentrum

• Über 12manage
• Home
• Wörterbuch
• Enzyklopädie
• Frage?
• Ansichten

• Registrieren
• Anmelden
• Hilfe

• Organisation & Veränderung
• Kommunikation & Fähigkeiten
• Entscheidungsfindung & Bewertung
• Ethik & Verantwortlichkeit
• Finanzieren & Investieren
• HR
• Wissensmanagement & Management von immateriellen Werten
• Führung
• Marketing
• Programm- & Projektmanagement
• Strategie
• Supply Chain & Qualitätsmanagement

Die Zukunft prognostizieren und schätzen: Autoregressiver, integrierter, langfristiger Durchschnittswert einer Aktie. Erklärung von ARIMA von Box und Jenkins. ('76)

Niemand kann wirklich in die Zukunft schauen. Aber moderne statistische Methoden, ökonometrische Modelle und Business Intelligence Software können Geschäften gewissermassen helfen, zu prognostizieren und zu schätzen, was zukünftig geschehen wird.

ARIMA steht für autoregressiven, integrierten, langfristigen Durchschnittswert einer Aktie.

Die ARIMA Time Series Analysis benutzt Verzögerungen und Verschiebungen in den historischen Daten, um Muster (z.B. langfristige Durchschnittswerte einer Aktie, Saisonabhängigkeit) freizulegen und die Zukunft vorauszusagen. Das ARIMA Modell wurde zuerst Ende der 60er entwickelt, wurde aber durch Box und Jenkins 1976 systematisiert. ARIMA kann komplexer zu verwenden sein als andere statistische Voraussagetechniken, obgleich, wenn es richtig eingeführt wird, ARIMA ziemlich leistungsfähig und flexibel sein kann.
 

ARIMA ist eine Methode für die Bestimmung von zwei Sachen:

1. Wieviel der Vergangenheit verwendet werden sollte, um die nächste Beobachtung (Länge der Gewichte) vorauszusagen
2. Die Werte der Gewichte.

Zum Beispiel ist y(t)= 1/3 * y(t-3) + 1/3 * y(t-2) + 1/3 * y(t-1) ein ARIMA Modell; ein anderes ARIMA MODELL ist y(t)= 1/6 * y(t-3) + 4/6 * y(t-2) + 1/6 * y(t-1)

So erfordert das korrekte ARIMA Modell die Identifizierung der richtigen Anzahl von Verzögerungen und den Koeffizienten, der verwendet werden sollte.
ARIMA Modell-Identifikation verwendet Autoregressionen, um das zu Grunde liegende Modell zu identifizieren.
Sorgfalt muß angewendet werden, um Parameter stabil zu identifizieren und zu schätzen, da Ausreißer (Impulse, Niveauverschiebungen, lokale Zeittendenzen) verheerenden Schaden anrichten können.
 

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

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

ARIMA-Modell-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....         Starten Sie ein neues Thema

ARIMA-Modell Fachgruppe Fachgruppe

ARIMA-Modell Bildung & Veranstaltungen Finden Sie Trainings, Seminare und Veranstaltungen

Best Practices - ARIMA-Modell Premium

Expert Tips (ENG) - ARIMA Premium

Quellen - ARIMA-Modell Premium   Nachrichten Arima Analyse         Nachrichten Statistisch Vorhersage         Videos Arima Analyse         Videos Statistisch Vorhersage         Präsentationen Arima Analyse         Präsentationen Statistisch Vorhersage         Mehr Arima Analyse         Mehr Statistisch Vorhersage

Vergleichen Sie mit das ARIMA-Modell mit: Regressionsanalyse  |  Dynamische Regression  |  Exponentielle Glättung  |  Analytisches CRM  |  Business Intelligence-Ansatz

Zurück zur Managementdisziplin: Finanzieren & Investieren  |  Marketing 

Mehr Managementmethoden, Modelle und Theorie