ARIMA

Центр Знаний

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

Форум Обсуждения на форуме о ARIMA Модель. Ниже вы можете задать вопрос по этой теме, поделиться своим опытом, сообщить о новой разработке или что-то пояснить. Начать новую тему об ARIMA Модель Поделитесь своими знаниями здесь (или задайте вопрос)   What is Moving Average? What is the moving average and how can we calculate this?... 3   1 комментария 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 fo... 3   1 комментария 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

Источники Информации Различные источники информации о ARIMA Модель. Здесь вы найдете PowerPoints, видео, новости и т.д., чтобы использовать в своих собственных лекциях и практических занятиях.

Ссылки на Исследования Автоматический переход к другим полезным источникам, касающимся ARIMA Модель. Новости Видео Презентации   Книги Академический Более

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 и Продажи  

Больше: Методы, Модели и Теории Менеджмента