ARIMA-modellen

Kunskapscenter

Ingen kan egentligen se in i framtiden. Men moderna statistiska metoder, ekonometriska modeller och Business Intelligence BI (Affärsinformation, upplysning) programvara kan till viss utsträckning hjälpa företag med att prognostisera och bedöma vad som kan komma att hända i framtiden.

ARIMA står för AutoRegressive Integrated Moving Average.

ARIMA-tidserieanalys använder intervall och skiftningar i historiska data för att avslöja mönstren (t.ex. löpande genomsnittet, säsongsmässigheten) och för att förutsäga framtiden med hjälp av detta. ARIMA-modellen utvecklades först under den senare delen av på 60-talet, men den systematiserades av Box och Jenkins året 1976. ARIMA kan vara mera komplex att använda än andra statistiska progonstiserande tekniker, hur som helst, när den är riktigt implementerad, kan ARIMA vara mycket kraftfull och flexibel.
 

ARIMA är en metod för att bestämma två saker:

1. Hur mycket av det förflutna skall användas till att förutsäga nästa observation (längden på tidserien, intervallet)
2. Viktvärden.

Till exempel y (t) = 1/3 * y (t-3) + 1/3 * y (t-2) + 1/3 * y (t-1) är en ARIMA-modell; en annan ARIMA-MODELL är y (t) = 1/6 * y (t-3) + 4/6 * y (t-2) + 1/6 * y (t-1)

Således kräver den korrekta ARIMA-modellen identifiering av rätt antal intervall och koefficienter som bör användas.
ARIMA-modell identifiering använder autoregressioner för att identifiera den underliggande modellen.
Man måste ta särskild hänsyn att mycket noggrant identifiera och bedöma de parametrar som radikalt skiljer ut sig från mängden (pulser, nivå skiftningar, lokala tidstrender), och kan utlösa en ödeläggelse av analysen.
 

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

Bok: Jeffrey Wooldridge - Introductory Econometrics: A Modern Approach

Forum Forumdiskussioner om ARIMA-modellen. Nedan kan du ställa en fråga om det här ämnet, dela dina erfarenheter, rapportera en ny utveckling eller förklara något. Starta ett nytt ämne om ARIMA-modellen Dela din kunskap här (eller ställ en fråga)   What is Moving Average? What is the moving average and how can we calculate this?... 3   1 kommentarer 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 kommentarer 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

Informationskällor Olika informationskällor om ARIMA-modellen. Här hittar du powerpoints, videor, nyheter etc. som du kan använda i dina egna föreläsningar och workshops.

Forskningslänkar Hoppa till ytterligare forskningsresurser angående angående ARIMA-modellen. Nyheter Videor Presentationer   Böcker Akademisk Mer

Jämför ARIMA-modellen med: Regressionsanalys  |  Dynamisk Regression  |  Exponentiell Utjämning  |  Analytisk CRM  |  Business Intelligens

Retur till Management Start: Ekonomi och Investera  |  Marknadsföring och Försäljning 

Mer Management Metoder, Modeller och Teori