Čo je model Box-Jenkins?
Box-Jenkinsov model je matematický model určený na predpovedanie rozsahu údajov na základe vstupov zo špecifikovaných časových radov. Box-Jenkinsov model dokáže analyzovať mnoho rôznych typov údajov časových radov na predpovedanie.
Jeho metodika používa na určenie výsledkov rozdiely medzi údajovými bodmi. Metodika umožňuje modelu identifikovať trendy pomocou autoregresie, kĺzavých priemerov a sezónneho rozlišovania, aby sa vygenerovali predpovede. Autoregresívne modely integrovaného kĺzavého priemeru (ARIMA) sú formou modelu Box-Jenkins. Výrazy ARIMA a Box-Jenkins Model sa môžu používať zameniteľne.
Kľúčové jedlá
- Box-Jenkinsov model je prognostická metodológia využívajúca regresné štúdie. Metodika sa najlepšie používa ako počítačom vypočítaná predpoveď založená na regresii údajov časových radov. Je najvhodnejšia na prognózu v časovom rámci 18 mesiacov alebo menej. Moderne Výpočty ARIMA sa vykonávajú pomocou sofistikovaných nástrojov, ako je programovateľný štatistický softvér v programovacom jazyku R.
Pochopenie modelu Box-Jenkins
Modely Box-Jenkins sa používajú na predpovedanie rôznych predpokladaných dátových bodov alebo rozsahov údajov vrátane obchodných údajov a budúcich cien zabezpečenia.
Model Box-Jenkins vytvorili dvaja matematici George Box a Gwilym Jenkins. Dvaja matematici diskutovali o konceptoch, ktoré tento model tvoria, v publikácii z roku 1970 „Analýza časových radov: prognóza a kontrola“.
Odhady parametrov Box-Jenkinsovho modelu môžu byť veľmi komplikované. Preto, podobne ako iné regresné modely časových radov, sa najlepšie výsledky zvyčajne dosiahnu pomocou programovateľného softvéru. Model Box-Jenkins sa vo všeobecnosti najlepšie hodí na krátkodobé predpovede na 18 mesiacov alebo menej.
Box-Jenkinsova metodológia
Box-Jenkinsov model je jedným z niekoľkých analytických modelov časových radov, s ktorými sa pri použití programovaného softvéru na predpovedanie stretne. V mnohých prípadoch bude softvér naprogramovaný tak, aby automaticky používal najvhodnejšiu metodiku prognózovania na základe údajov z časových radov, ktoré sa majú predpovedať. Uvádza sa, že Box-Jenkins je najlepšou voľbou pre súbory údajov, ktoré sú väčšinou stabilné s nízkou volatilitou.
Box-Jenkinsov model predpovedá údaje pomocou troch princípov, autoregresie, diferenciácie a kĺzavého priemeru. Tieto tri princípy sú známe ako p, d a q. Každý princíp sa používa v Box-Jenkinsovej analýze a spoločne sa súhrnne zobrazujú ako ARIMA (p, d, q).
Proces autoregresie (p) testuje údaje z hľadiska úrovne stacionarity. Ak sú použité údaje stacionárne, môže to zjednodušiť proces predpovedania. Ak použité údaje nie sú stacionárne, bude potrebné ich rozlíšiť (d). Dáta sa tiež testujú na pohyblivosť s kĺzavým priemerom, ktorá sa vykonáva v časti q procesu analýzy. Počiatočná analýza údajov ich celkovo pripravuje na prognózovanie určením parametrov (p, daq), ktoré sa používajú na vypracovanie prognózy.
Predpovedanie cien akcií
Jedným z použití pre Box-Jenkinsovu modelovú analýzu je prognóza cien akcií. Táto analýza je zvyčajne zostavená a kódovaná pomocou softvéru R. Výsledkom analýzy je logaritmický výsledok, ktorý možno použiť na súbor údajov na vygenerovanie predpokladaných cien na konkrétne časové obdobie v budúcnosti.
![truhlík truhlík](https://img.icotokenfund.com/img/technical-analysis-basic-education/308/box-jenkins-model.jpg)