ARIMA

Centro di Conoscenza

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

Forum Discussioni nei forum sul Modello di ARIMA. Di seguito puoi porre una domanda su questo argomento, condividere le tue esperienze, segnalare un nuovo sviluppo o spiegare qualcosa. 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 commenti What is Moving Average? What is the moving average and how can we calculate this?... 3   1 commenti 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   Inizia un nuovo argomento sul Modello di ARIMA

Fonti di Informazione Varie fonti di informazioni su Modello di ARIMA. Qui troverai powerpoint, video, notizie, ecc. da utilizzare nelle tue lezioni e seminari.

Link di Ricerca Passare ad altre fonti di ricerca riguardanti Modello di ARIMA. Notizie Video Presentazioni   Libri Accademico Di più

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

Ritornare alla Disciplina di Gestione: Finanza & Investimenti  |  Marketing & Vendite 

Più Metodi, Modelli e Teorie di Gestione