Cos'è il modello Box-Jenkins?
Il modello Box-Jenkins è un modello matematico progettato per prevedere intervalli di dati basati su input da una serie temporale specificata. Il modello Box-Jenkins può analizzare diversi tipi di dati di serie temporali per le previsioni.
La sua metodologia utilizza le differenze tra i punti dati per determinare i risultati. La metodologia consente al modello di identificare le tendenze utilizzando autoregressione, medie mobili e differenze stagionali per generare previsioni. I modelli di media mobile integrata autoregressiva (ARIMA) sono una forma del modello Box-Jenkins. I termini ARIMA e Box-Jenkins Model possono essere usati in modo intercambiabile.
Key Takeaways
- Il modello Box-Jenkins è una metodologia di previsione che utilizza studi di regressione. La metodologia è meglio utilizzata come previsione calcolata al computer sulla base di una regressione dei dati delle serie temporali. È la soluzione più adatta per le previsioni entro un periodo di 18 mesi o meno. I calcoli ARIMA vengono eseguiti con strumenti sofisticati come software statistico programmabile in linguaggio di programmazione R.
Comprensione del modello Box-Jenkins
I modelli Box-Jenkins vengono utilizzati per prevedere una varietà di punti di dati o intervalli di dati previsti, inclusi i dati aziendali e i prezzi di sicurezza futuri.
Il modello Box-Jenkins è stato creato da due matematici George Box e Gwilym Jenkins. I due matematici hanno discusso i concetti che compongono questo modello in una pubblicazione del 1970 "Analisi delle serie storiche: previsione e controllo".
Le stime dei parametri del modello Box-Jenkins possono essere molto complicate. Pertanto, analogamente ad altri modelli di regressione di serie temporali, i risultati migliori saranno generalmente ottenuti mediante l'uso di software programmabile. Il modello Box-Jenkins è anche generalmente più adatto per previsioni a breve termine di 18 mesi o meno.
Metodologia Box-Jenkins
Il modello Box-Jenkins è uno dei numerosi modelli di analisi di serie storiche che un meteorologo incontrerà quando si utilizza un software di previsione programmato. In molti casi il software verrà programmato per utilizzare automaticamente la migliore metodologia di previsione basata sui dati delle serie temporali da prevedere. Box-Jenkins è considerato la scelta migliore per i set di dati che sono per lo più stabili con bassa volatilità.
Il modello Box-Jenkins prevede la previsione dei dati utilizzando tre principi, autoregressione, differenziazione e media mobile. Questi tre principi sono noti rispettivamente come p, d e q. Ogni principio è usato nell'analisi di Box-Jenkins e insieme sono mostrati collettivamente come ARIMA (p, d, q).
Il processo di autoregressione (p) verifica i dati per il loro livello di stazionarietà. Se i dati utilizzati sono fissi, è possibile semplificare il processo di previsione. Se i dati utilizzati non sono fissi, sarà necessario differenziarli (d). I dati vengono inoltre testati per l'adattamento della media mobile che viene eseguito nella parte q del processo di analisi. Nel complesso, l'analisi iniziale dei dati lo prepara per la previsione determinando i parametri (p, d e q) che vengono applicati per sviluppare una previsione.
Previsione dei prezzi delle azioni
Un uso per l'analisi del modello Box-Jenkins è la previsione dei prezzi delle azioni. Questa analisi è in genere costruita e codificata tramite il software R. L'analisi si traduce in un risultato logaritmico che può essere applicato al set di dati per generare i prezzi previsti per un determinato periodo di tempo in futuro.
