ARIMA-Modell

Wissenszentrum

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

Forum Forumsdiskussionen über ARIMA-Modell. Unten können Sie eine Frage zu diesem Thema stellen, Ihre Erfahrungen teilen, eine neue Entwicklung melden oder etwas erklären. Use ARIMA Model or Time Fourier Series The ARIMA model is a useful model, but sometimes not precise enough. An interesting application for phenomenons believed to be cyclic, is the Time Fourier Series (TFS). Particularly for short-time... 6   3 Kommentare What is Moving Average? What is the moving average and how can we calculate this?... 3   1 Kommentare Combining the ARIMA model with a Nonlinear or Regression 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 A... 3   Starten Sie ein neues Thema über ARIMA-Modell

Informationsquellen Verschiedene Informationsquellen zu ARIMA-Modell. Hier finden Sie Powerpoints, Videos, Nachrichten usw., die Sie in Ihren eigenen Vorträgen und Workshops verwenden können.

Forschungslinks Springen zu weiteren Forschungsquellen bezüglich ARIMA-Modell. Nachrichten Videos Präsentationen   Bücher Akademisch Mehr

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

Zurück zur Managementdisziplin: Finanzieren & Investieren  |  Marketing & Verkauf 

Mehr Managementmethoden, Modelle und Theorie