Apakah Model Box-Jenkins?
Model Box-Jenkins adalah model matematik yang direka untuk meramalkan julat data berdasarkan input dari siri masa tertentu. Model Box-Jenkins boleh menganalisis pelbagai jenis data siri masa untuk ramalan.
Metodologi menggunakan perbezaan antara titik data untuk menentukan hasil. Metodologi ini membolehkan model mengenal pasti trend menggunakan autoregresssion, bergerak purata dan differencing bermusim untuk menjana ramalan. Model Autoregressive Moving Average (ARIMA) adalah satu bentuk model Box-Jenkins. Istilah ARIMA dan Model Box-Jenkins boleh digunakan secara bergantian.
Takeaways Utama
- Model Box-Jenkins adalah metodologi ramalan menggunakan kajian regresi. Metodologi terbaik digunakan sebagai ramalan komputer yang dikira berdasarkan regresi data masa-seri.Ia paling sesuai untuk ramalan dalam tempoh masa 18 bulan atau kurang.Modernly Pengiraan ARIMA dilakukan dengan alat yang canggih seperti perisian statistik boleh diprogram dalam bahasa pengaturcaraan R.
Memahami Model Box-Jenkins
Model Box-Jenkins digunakan untuk meramalkan pelbagai mata data yang dijangkakan atau julat data termasuk data perniagaan dan harga keselamatan masa hadapan.
Model Box-Jenkins dicipta oleh dua ahli matematik George Box dan Gwilym Jenkins. Kedua-dua ahli matematik membincangkan konsep-konsep yang merangkumi model ini dalam penerbitan 1970 "Siri Siri Analisis: Peramalan dan Kawalan."
Anggaran parameter Model Box-Jenkins boleh menjadi sangat rumit. Oleh itu, serupa dengan model regresi siri masa lain, hasil terbaik biasanya akan dicapai melalui penggunaan perisian boleh diprogram. Model Box-Jenkins juga paling sesuai untuk ramalan jangka pendek selama 18 bulan atau kurang.
Kaedah Box-Jenkins
Model Box-Jenkins adalah salah satu daripada beberapa model analisis siri masa yang akan ditemui oleh peramal apabila menggunakan perisian peramal yang diprogramkan. Dalam banyak kes, perisian akan diprogram untuk menggunakan metodologi ramalan tepat yang sesuai berdasarkan data siri masa yang akan diramalkan. Box-Jenkins dilaporkan sebagai pilihan utama untuk set data yang kebanyakannya stabil dengan volatiliti yang rendah.
Model Kotak-Jenkins ramalan data menggunakan tiga prinsip, autoregression, differencing dan purata bergerak. Tiga prinsip ini dikenali sebagai p, d dan q masing-masing. Setiap prinsip digunakan dalam analisis Box-Jenkins dan bersama-sama mereka secara kolektif ditunjukkan sebagai ARIMA (p, d, q).
Proses autoregression (p) menguji data untuk tahap stesen. Sekiranya data yang digunakan adalah pegun ia dapat mempermudah proses ramalan. Sekiranya data yang digunakan tidak bergerak, ia perlu dibezakan (d). Data juga diuji untuk muat puratanya yang dilakukan di bahagian q dalam proses analisis. Secara keseluruhannya, analisa awal data mempersiapkannya untuk ramalan dengan menentukan parameter (p, d dan q) yang digunakan untuk membangun ramalan.
Harga Saham Peramalan
Satu kegunaan analisis Model Box-Jenkins adalah untuk meramalkan harga saham. Analisis ini biasanya dibina dan dikodkan melalui perisian R. Hasil analisis menghasilkan hasil logaritma yang boleh digunakan pada set data untuk menjana harga yang diperkirakan untuk tempoh waktu tertentu pada masa akan datang.
