Co je Box-Jenkinsův model?
Box-Jenkinsův model je matematický model navržený pro predikci datových rozsahů na základě vstupů ze zadaných časových řad. Box-Jenkinsův model může analyzovat mnoho různých typů dat časových řad pro predikci.
Jeho metodika používá rozdíly mezi datovými body pro stanovení výsledků. Metodika umožňuje modelu identifikovat trendy pomocí autoregrese, klouzavých průměrů a sezónního rozlišování za účelem vytváření prognóz. Autoregresivní modely integrovaného klouzavého průměru (ARIMA) jsou formou modelu Box-Jenkins. Výrazy ARIMA a Box-Jenkins Model lze použít zaměnitelně.
Klíč s sebou
- Box-Jenkinsův model je metodika prognostiky využívající regresní studie. Metodika se nejlépe používá jako počítačově vypočtená předpověď založená na regresi dat z časových řad. Je nejvhodnější pro prognózu v časovém rámci 18 měsíců nebo méně. Výpočty ARIMA se provádějí pomocí sofistikovaných nástrojů, jako je programovatelný statistický software v programovacím jazyce R.
Pochopení modelu Box-Jenkins
Modely Box-Jenkins se používají k předpovídání různých očekávaných datových bodů nebo datových rozsahů, včetně obchodních dat a budoucích cen zabezpečení.
Model Box-Jenkins vytvořili dva matematici George Box a Gwilym Jenkins. Dva matematici diskutovali o konceptech, které tento model obsahují, v publikaci „Time Series Analysis: Forecasting and Control“ z roku 1970.
Odhady parametrů Box-Jenkinsova modelu mohou být velmi komplikované. Proto, podobně jako jiné regresní modely časových řad, nejlepších výsledků bude typicky dosaženo použitím programovatelného softwaru. Box-Jenkinsův model se také obecně nejlépe hodí pro krátkodobé předpovědi na 18 měsíců nebo méně.
Box-Jenkinsova metodologie
Box-Jenkinsův model je jedním z několika modelů analýzy časových řad, s nimiž se bude při použití programovaného softwaru pro předpovědi setkat. V mnoha případech bude software naprogramován tak, aby automaticky používal nejvhodnější metodiku předpovídání na základě údajů z časových řad, které mají být předpovídány. Box-Jenkins je uváděn jako nejlepší volba pro datové soubory, které jsou většinou stabilní s nízkou volatilitou.
Box-Jenkinsův model předpovídá data pomocí tří principů, autoregrese, diferenciace a klouzavého průměru. Tyto tři principy jsou známy jako p, d a q. Každý princip je použit v Box-Jenkinsově analýze a společně jsou společně zobrazeny jako ARIMA (p, d, q).
Proces autoregrese (p) testuje data na úrovni stacionarity. Pokud jsou používaná data stacionární, může to proces prognózování zjednodušit. Pokud jsou použitá data nestacionární, bude nutné je rozlišit (d). Data se také testují na pohyblivé průměrné přizpůsobení, které se provádí v části q procesu analýzy. Celkově je úvodní analýza dat připravuje pro prognózu stanovením parametrů (p, d a q), které se používají k vývoji prognózy.
Prognóza cen akcií
Jedním z použití pro Box-Jenkinsovu modelovou analýzu je prognóza cen akcií. Tato analýza je obvykle sestavena a zakódována pomocí softwaru R. Výsledkem analýzy je logaritmický výsledek, který lze použít v souboru údajů k vytvoření prognózovaných cen na určité časové období v budoucnosti.
