ARIMA

Центр Знаний

• О 12manage
• Главная
• Словарь
• Энциклопедия
• Вопрос?
• Идеи

• Регистрация
• Войти
• Помощь

• Организация и изменение
• Коммуникация и Навыки
• Процесс принятия решений и оценка
• Этика и Ответственность
• Финансы и инвестирование
• Управление Человеческими Ресурсами
• Управление Знаниями и Нематериальными Активами
• Лидерство
• Маркетинг
• Программный и Проектный Менеджмент
• Стратегия
• Цепочка Поставок и Управление Качеством

Прогнозирование и оценка будущего: Авторегрессионное интегрированное скользящее среднее (AutoRegressive Integrated Moving Average). Объяснение ARIMA Box and Jenkins. ('76)

Никто не может заглянуть в будущее. Но современные статистические методы, эконометрические модели и программное обеспечение Business Intelligence (Корпоративный интеллект) могут в какой-то степени помочь компаниям спрогнозировать и оценить то, что произойдет в будущем.

ARIMA означает Авторегрессионное интегрированное скользящее среднее (AutoRegressive Integrated Moving Average).

Анализ с помощью временных рядов ARIMA использует запаздывания и смещения в исторических данных для того, чтобы определить закономерности (например, скользящие средние, сезонность) и предсказать будущее. Модель ARIMA была впервые разработана в конце 60-х, но была систематизированна Box and Jenkins в 1976. ARIMA может быть сложнее в использовании, чем другие статистические методы прогнозирования, однако после ее правильного внедрения ARIMA может быть довольно действенным и гибким инструментом.
 

ARIMA служит методом для определения двух параметров:

1. Сколько информации из прошлого должно быть использовано для того, чтобы предсказать следующее наблюдение (длина весов)
2. Значения весов.

Например, y (t) = 1/3 * y (t-3) + 1/3 * y (t-2) + 1/3 * y (t-1) является моделью ARIMA; другая модель ARIMA: y (t) = 1/6 * y (t-3) + 4/6 * y (t-2) + 1/6 * y (t-1)

Таким образом, корректная модель ARIMA требует идентификации правильного числа запаздываний и коэффициентов, которые должны быть использованы.
Модель ARIMA использует авторегрессию для определения лежащей в основании модели.
Необходимо позаботиться о том, чтобы своевременно определить и оценить параметры в форме выбросов (импульсы, сдвиги уровней, тренды местного времени) , которые могут причинить вред.
 

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

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

ARIMA Форум   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....         Начать новую тему

ARIMA Специальная группа по интересам Специальная группа по интересам

ARIMA Образование & Мероприятия Поиск тренингов, семинаров и мероприятий

Лучшие Лрактики - ARIMA Премиум

Expert Tips (ENG) - ARIMA Премиум

Ресурсы - ARIMA Премиум   Новости ARIMA анализ         Новости статистический прогнозирование         Видео ARIMA анализ         Видео статистический прогнозирование         Презентации ARIMA анализ         Презентации статистический прогнозирование         Более ARIMA анализ         Более статистический прогнозирование

Сравните с: Regression Analysis (Регрессионный анализ)  |  Dynamic Regression (Динамическая регрессия)  |  Exponential Smoothing (Экспоненциальное сглаживание)  |  Analytical CRM (Аналитический CRM)  |  Business Intelligence (Корпоративный интеллект)

Возврат на главную страницу: Финансы и Инвестиции  |  Маркетинг 

Больше: Методы, Модели и Теории Менеджмента