ARIMA

ナレッジセンター

だれも未来に実際に見ることができない。 しかし現代統計的な方法、計量経済モデルおよびbusiness intelligenceソフトウェアは幾分ビジネスが予測し、将来起こるだろうものが推定するのを助けることができる。

ARIMAは自己回帰統合された移動平均を意味する。

ARIMAのTime Series Analysisは遅れを使用し、履歴データでパターン(例えば移動平均、seasonality)の覆いを取り、未来を予測するために移る。 ARIMAモデルは遅い60sで最初に開発されたが、1976年にBox and Jenkinsによって組織化された。 ARIMAはきちんと実行されたときARIMAがかなり強力、適用範囲が広い場合もあるが使用するために他の統計的な予測技術より複雑である場合もある。
 

ARIMAは2つの事を定めるための方法である:

1. 過去のどの位次の観察(重量の長さ)を予測するのに使用されるべきである
2. 重量の価値。

例えばy (t) = 1/3の* y (t-3) + 1/3 * y (t-2) + 1/3 * y (t-1)はARIMAモデルである; もう一つのARIMAモデルはであるy (t) = 1/6の* y (t-3) + 4/6 * y (t-2) + 1/6 * y (t-1)

従って正しいARIMAモデルは使用されるべきである係数および遅れの右の数の同一証明を要求する。
ARIMAのモデル同一証明は下役モデルを識別するのにautoregressionsを使用する。
心配は耐久性をもって識別するために取られなければなり、飛び地が(脈拍、レベルはの現地時間の傾向移る)破壊をもたらすことができると同時に変数を推定するため。
 

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

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

フォーラム 新しいトピック ARIMAモデルフォーラム。 What is Moving Average? What is the moving average and how can we calculate this? (...) 3   1反応 ARIMA model or Time Fourier series The ARIMA model is a useful model, but sometimes not precise enough. An interesting application for phenomenons belie (...) 3   1反応 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 (...) 3   0反応

の情報源 メンバーになろう ARIMAモデルに関するさまざまな情報源。ここでは、独自の講義やワークショップで使用するパワーポイント、ビデオ、ニュースなどが見つかります。

と比較した: Regression Analysis  |  Dynamic Regression  |  Exponential Smoothing  |  分析的なCRM  |  business intelligence

経営ハブに戻る: 財務と投資 |  マーケティング 

より多くの方法、モデル、理論