ARIMA[自回归整合移动平均模型]

知识中心

   

对未来进行预测和计算: AutoRegressive Integrated Moving Average[ARIMA,自回归整合移动平均模型]。 Box和Jenkins的ARIMA模型解析。 (‘76)

目录

高级帐户

没有人能够真正看清楚未来, 然而,现代统计方法、计量经济模型和Business Intelligence[商业智能]软件在某种程度上已经能够帮助企业对未来进行预测。


ARIMAAutoRegressive Integrated Moving Average的缩写,亦即自回归整合移动平均数


ARIMA模型在做时间序列分析时,根据历史数据的变动规律,找出数据变动模型(移动平均数、周期成分),从而实现对未来的预测。 ARIMA模型问世于1960年代末,Box和Jenkins在1976年对该模型进行了系统阐述,所以该模型亦被称之为Box Jenkins模型。 ARIMA模型比其他的统计预测技术要复杂得多,但如果运用恰当的话,它不仅预测准确,而且灵活有度。
 

通过ARIMA模型,能够决定:

  1. 过去的历史数据对下一个观测值贡献的大小(即加权长度)。
  2. 权重。

例如 y (t) = 1/3 * y (t-3) + 1/3 * y (t-2) + 1/3 * y (t-1), 又如 y (t) = 1/6 * y (t-3) + 4/6 * y (t-2) + 1/6 * y (t-1) 。

正确运用ARIMA模型,必须要找出滞后期的准确数字及其系数。
ARIMA模型通过自回归分析来确定其下属模型。
运用ARIMA模型,还必须确定各项参数,因为任何不平稳的成分(如脉冲、水平位移、实际的时间趋势)都可能对模型的正确性产生干扰。
 

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

参考书: Jeffrey Wooldridge - Introductory Econometrics: A Modern Approach -


自回归整合移动平均模型 小组


小组 (4名成员)


自回归整合移动平均模型论坛  

最近的话题

  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 influen...
     
 
  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 se...
     
 

最佳实践 - 自回归整合移动平均模型

Expert Tips (ENG) - ARIMA



你开发自己的关于企业管理和管理知识



相关资料 - 自回归整合移动平均模型
 

新闻关于统计预测


     
 

新闻关于统计分析


     
 

视频关于统计预测


     
 

视频关于统计分析


     
 

简报关于统计预测


     
 

简报关于统计分析


     
 

更多关于统计预测


     
 

更多关于统计分析


     



提升你的管理事业



比较: Regression Analysis[回归分析]  |  Dynamic Regression[动态回归]  |  Exponential Smoothing[指数平滑法]  |  Analytical CRM[分析型顾客关系管理]  |  Business Intelligence[商业智能]


返回到分类主页: 金融与投资  |  营销 


更多管理方法、模型和理论

Special Interest Group Leader

 


关于12manage | 广告服务 | 链接到我们/引用我们 | 隐私 | 建议 | 服务条款
© 2018 12manage - The Executive Fast Track. V15.0 - 最后更新:17-11-2018。所有名称™它们的主人的。