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 calculat...           ARIMA model or Time Fourier series The ARIMA model is a useful model, but not precise...           Updating the ARIMA model I think even if we develop the best ARIMA model th...         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 о ARIMA анализ         Новости о статистический прогнозирование         Видео о ARIMA анализ         Видео о статистический прогнозирование         Презентации о ARIMA анализ         Презентации о статистический прогнозирование         Более о ARIMA анализ         Более о 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