Glavni » algoritmično trgovanje » Samodejno progresivno integrirano gibljivo povprečje (ARIMA)

Samodejno progresivno integrirano gibljivo povprečje (ARIMA)

algoritmično trgovanje : Samodejno progresivno integrirano gibljivo povprečje (ARIMA)
Kaj je avtomatsko integrirano drsno povprečje?

Samodejno progresivno integrirano drsno povprečje ali ARIMA je model statistične analize, ki uporablja podatke časovnih vrst za boljše razumevanje nabora podatkov ali za napovedovanje prihodnjih trendov.

Razumevanje samodejnega gibalnega povprečja (ARIMA)

Samodejno progresivni integrirani model povprečnega gibanja je oblika regresijske analize, ki meri moč ene odvisne spremenljivke glede na druge spremenljive spremenljivke. Cilj modela je predvideti prihodnje premike vrednostnih papirjev ali finančnih trgov s preučevanjem razlik med vrednostmi v seriji namesto preko dejanskih vrednosti.

Model ARIMA lahko razumemo tako, da orisemo vsako njegovo komponento na naslednji način:

  • Avtoregresija (AR) se nanaša na model, ki prikazuje spreminjajočo se spremenljivko, ki se nanaša na lastne zaostale ali predhodne vrednosti.
  • Integrirani (I) predstavlja razlikovanje nerazredčenih opazovanj, da se omogoči, da časovna serija miruje, tj. Podatkovne vrednosti se nadomestijo z razliko med vrednostmi podatkov in prejšnjimi vrednostmi.
  • Gibljivo povprečje (MA) vključuje odvisnost med opazovanjem in preostalo napako modela drsečega povprečja, ki se uporablja za zaostala opazovanja.

Vsaka komponenta deluje kot parameter s standardno notacijo. Za modele ARIMA bi bil standardni zapis ARIMA s p, d in q, pri čemer celotne vrednosti nadomeščajo parametre, ki označujejo vrsto uporabljenega modela ARIMA. Parametre je mogoče opredeliti kot:

  • p : število opažanj zaostajanja v modelu; znan tudi kot zaostajanje.
  • d : kolikokrat se razlikujejo surove ugotovitve; znan tudi kot stopnja razlikovanja.
  • q: velikost okna z drsnim povprečjem; znan tudi kot vrstni red drsečega povprečja.

V model linearne regresije sta na primer vključena število in vrsta izrazov. Vrednost 0, ki se lahko uporablja kot parameter, bi pomenila, da določene komponente ne bi smeli uporabljati v modelu. Tako je mogoče model ARIMA zgraditi tako, da opravlja funkcijo modela ARMA ali celo preprostih modelov AR, I ali MA.

Avto progresivno integrirano drsno povprečje in stacionarnost

V samodejno progresivnem modelu integriranega drsnega povprečja se podatki razlikujejo, da bi ostali mirni. Model, ki kaže stacionarnost, je tisti, ki pokaže, da se podatki sčasoma ustalijo. Večina ekonomskih in tržnih podatkov kaže trende, zato je namen razlikovanja odstraniti vse trende ali sezonske strukture.

Sezonskost ali kadar podatki kažejo redne in predvidljive vzorce, ki se ponavljajo v koledarskem letu, lahko negativno vplivajo na regresijski model. Če se pojavi trend in stacionarnost ni očitna, številnih izračunov v celotnem postopku ni mogoče izvesti z veliko učinkovitostjo.

Primerjajte investicijske račune Ime ponudnika Opis Razkritje oglaševalcev × Ponudbe, ki se pojavijo v tej tabeli, so partnerstva, od katerih Investopedia prejema nadomestilo.

Sorodni pogoji

Opredelitev modela Box-Jenkins Model Box-Jenkins je matematični model, namenjen napovedovanju podatkov iz določenega časovnega niza. več Kaj je napaka? Izraz napake je opredeljen kot spremenljivka v statističnem modelu, ki je ustvarjena, kadar model ne predstavlja v celoti dejanskega razmerja med neodvisnimi in odvisnimi spremenljivkami. več Kako deluje metoda najmanjših kvadratov Metoda najmanjših kvadratov je statistična tehnika za določitev vrstice, ki je najbolj primerna za model, določena z enačbo z določenimi parametri za opazovane podatke. več Kako deluje preostalo standardno odstopanje Preostali standardni odklon je statistični izraz, ki se uporablja za opis razlike v standardnih odstopanjih opazovanih vrednosti v primerjavi s predvidenimi vrednostmi, ki jih kažejo točke v regresijski analizi. več Kaj pomeni samodejno napredovanje? Statistični model je samoregresiven, če napoveduje prihodnje vrednosti na podlagi preteklih vrednosti (tj. Napovedovanje prihodnjih cen delnic na podlagi preteklega učinka). več Kako deluje več linearna regresija Več linearna regresija (MLR) je statistična tehnika, ki uporablja več pojasnjevalnih spremenljivk za napovedovanje izida spremenljivke odziva. več partnerskih povezav
Priporočena
Pustite Komentar