Autoregressief geïntegreerd voortschrijdend gemiddelde (ARIMA)
Een autoregressief geïntegreerd voortschrijdend gemiddelde, of ARIMA, is een statistisch analysemodel dat tijdreeksgegevens gebruikt om de gegevensset beter te begrijpen of om toekomstige trends te voorspellen.
Autoregressief geïntegreerd voortschrijdend gemiddelde (ARIMA) begrijpen
Een autoregressief geïntegreerd voortschrijdend gemiddelde-model is een vorm van regressieanalyse die de sterkte van een afhankelijke variabele meet ten opzichte van andere veranderende variabelen. Het doel van het model is om toekomstige effecten of bewegingen van de financiële markt te voorspellen door de verschillen tussen waarden in de reeks te onderzoeken in plaats van via werkelijke waarden.
Een ARIMA-model kan worden begrepen door elk van de componenten als volgt te schetsen:
- Autoregressie (AR) verwijst naar een model dat een veranderende variabele weergeeft die terugvalt op zijn eigen vertraagde of eerdere waarden.
- Geïntegreerd (I) geeft het verschil aan tussen ruwe waarnemingen zodat de tijdreeksen stationair kunnen worden, dat wil zeggen dat gegevenswaarden worden vervangen door het verschil tussen de gegevenswaarden en de vorige waarden.
- Voortschrijdend gemiddelde (MA) omvat de afhankelijkheid tussen een waarneming en een restfout van een voortschrijdend gemiddelde-model toegepast op vertraagde waarnemingen.
Elke component functioneert als een parameter met een standaardnotatie. Voor ARIMA-modellen is ARIMA een standaardnotatie met p, d en q, waarbij gehele waarden de parameters vervangen om het type ARIMA-model aan te geven. De parameters kunnen worden gedefinieerd als:
- p : het aantal vertragingswaarnemingen in het model; ook bekend als de lag-volgorde.
- d : het aantal keren dat de ruwe waarnemingen verschillen; ook bekend als de mate van differentiatie.
- q: de grootte van het voortschrijdend gemiddelde venster; ook bekend als de volgorde van het voortschrijdend gemiddelde.
In een lineair regressiemodel zijn bijvoorbeeld het aantal en het type termen opgenomen. Een 0-waarde, die als parameter kan worden gebruikt, zou betekenen dat een bepaalde component niet in het model moet worden gebruikt. Op deze manier kan het ARIMA-model worden geconstrueerd om de functie van een ARMA-model of zelfs eenvoudige AR-, I- of MA-modellen uit te voeren.
Autoregressief geïntegreerd voortschrijdend gemiddelde en stationariteit
In een autoregressief geïntegreerd voortschrijdend gemiddelde-model verschillen de gegevens om het stationair te maken. Een model dat stationariteit toont, is een model dat laat zien dat de gegevens in de loop van de tijd constant zijn. De meeste economische en marktgegevens tonen trends, dus het doel van differentiëren is het verwijderen van trends of seizoensstructuren.
Seizoensgebondenheid, of wanneer gegevens regelmatige en voorspelbare patronen vertonen die zich gedurende een kalenderjaar herhalen, kan het regressiemodel negatief beïnvloeden. Als er een trend verschijnt en stationariteit niet duidelijk is, kunnen veel van de berekeningen tijdens het proces niet met grote efficiëntie worden gemaakt.
Vergelijk beleggingsrekeningen Aanbieder Naam Beschrijving Adverteerder Openbaarmaking × De aanbiedingen die in deze tabel worden weergegeven, zijn afkomstig van samenwerkingsverbanden waarvan Investopedia een vergoeding ontvangt.