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

Обсуждения Форум об ARIMA Модель. Начать новую тему Поделитесь своими знаниями 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