Kas ir Box-Jenkins modelis?
Box-Jenkins modelis ir matemātisks modelis, kas paredzēts, lai prognozētu datu diapazonus, pamatojoties uz ievadiem no noteiktas laika rindas. Box-Jenkins modelis var analizēt daudz dažādu laika rindu datu prognozēšanas veidus.
Tās metodoloģijā rezultātu noteikšanai tiek izmantotas atšķirības starp datu punktiem. Metodika ļauj modelim noteikt tendences, izmantojot autoregression, mainīgos vidējos lielumus un sezonālās atšķirības, lai ģenerētu prognozes. Autoregresīvie integrētā kustīgā vidējā (ARIMA) modeļi ir Box-Jenkins modeļa forma. Terminus ARIMA un Box-Jenkins Model var izmantot savstarpēji aizvietojami.
Taustiņu izņemšana
- Boks-Dženkinsa modelis ir prognozēšanas metodika, izmantojot regresijas pētījumus.Metodoloģiju vislabāk izmanto kā datorizētu prognozi, kuras pamatā ir laika rindu datu regresija. Tā ir vislabāk piemērota prognozēšanai 18 mēnešu vai mazākā laika posmā.Mūsdienīgi ARIMA aprēķini tiek veikti ar sarežģītiem rīkiem, piemēram, programmējamu statistikas programmatūru R programmēšanas valodā.
Izpratne par Box-Jenkins modeli
Box-Jenkins modeļi tiek izmantoti, lai prognozētu dažādus paredzamos datu punktus vai datu diapazonus, ieskaitot biznesa datus un nākotnes drošības cenas.
Box-Jenkins modeli izveidoja divi matemātiķi Džordžs Bokss un Gvilym Jenkins. Abi matemātiķi 1970. gada publikācijā "Laika rindu analīze: prognozēšana un kontrole" apsprieda jēdzienus, kas veido šo modeli.
Box-Jenkins modeļa parametru novērtēšana var būt ļoti sarežģīta. Tāpēc labākos rezultātus, līdzīgi citiem laikrindu regresijas modeļiem, parasti var sasniegt, izmantojot programmējamu programmatūru. Box-Jenkins modelis arī parasti ir vispiemērotākais īstermiņa prognozēšanai līdz 18 mēnešiem vai mazāk.
Boks-Dženkinsa metodika
Box-Jenkins modelis ir viens no vairākiem laikrindu analīzes modeļiem, ar kuriem prognozētājs saskarsies, izmantojot ieprogrammēto prognozēšanas programmatūru. Daudzos gadījumos programmatūra tiks ieprogrammēta, lai tā automātiski izmantotu vispiemērotāko prognozēšanas metodoloģiju, kas balstīta uz prognozējamo laikrindu datiem. Tiek ziņots, ka Box-Jenkins ir galvenā izvēle datu kopām, kuras lielākoties ir stabilas ar zemu nepastāvību.
Boks-Dženkinsa modelis prognozē datus, izmantojot trīs principus - automātisko progresēšanu, diferencēšanu un mainīgo vidējo. Šie trīs principi ir attiecīgi zināmi kā p, d un q. Katrs princips tiek izmantots Box-Jenkins analīzē, un kopā tie tiek parādīti kā ARIMA (p, d, q).
Autoregresijas (p) process pārbauda datus par tā stacionāra līmeni. Ja izmantotie dati ir nekustīgi, tas var vienkāršot prognozēšanas procesu. Ja izmantotie dati nav stacionāri, tie būs jānošķir (d). Dati tiek pārbaudīti arī attiecībā uz to mainīgo vidējo piemērotību, kas tiek veikts analīzes procesa q daļā. Kopumā sākotnējā datu analīze to sagatavo prognozēšanai, nosakot parametrus (p, d un q), kas tiek izmantoti prognozes izstrādei.
Akciju cenu prognozēšana
Viens Box-Jenkins modeļa analīzes pielietojums ir akciju cenu prognozēšana. Šī analīze parasti tiek veidota un kodēta caur R programmatūru. Analīzes rezultāts ir logaritmisks rezultāts, ko var izmantot datu kopai, lai nākotnē izveidotu prognozētās cenas noteiktam laika periodam.
