Trung bình di chuyển tích hợp tự động là gì?
Trung bình di chuyển tích hợp tự động, hoặc ARIMA, là mô hình phân tích thống kê sử dụng dữ liệu chuỗi thời gian để hiểu rõ hơn về tập dữ liệu hoặc để dự đoán xu hướng trong tương lai.
Hiểu trung bình di chuyển tích hợp tự động (ARIMA)
Một mô hình trung bình di chuyển tích hợp tự động là một dạng phân tích hồi quy để đo cường độ của một biến phụ thuộc so với các biến thay đổi khác. Mục tiêu của mô hình là dự đoán các động thái thị trường chứng khoán hoặc tài chính trong tương lai bằng cách kiểm tra sự khác biệt giữa các giá trị trong chuỗi thay vì thông qua các giá trị thực tế.
Một mô hình ARIMA có thể được hiểu bằng cách phác thảo từng thành phần của nó như sau:
- Tự động xâm phạm (AR) đề cập đến một mô hình hiển thị một biến thay đổi tự hồi quy các giá trị bị trễ hoặc trước đó. Tích hợp (I) thể hiện sự khác biệt của các quan sát thô để cho phép chuỗi thời gian trở thành ổn định, tức là, các giá trị dữ liệu được thay thế bằng sự khác biệt giữa các giá trị dữ liệu và các giá trị trước đó. Di chuyển trung bình (MA) kết hợp sự phụ thuộc giữa một quan sát và sai số dư từ một mô hình trung bình di chuyển được áp dụng cho các quan sát bị trễ.
Mỗi thành phần có chức năng như một tham số với ký hiệu chuẩn. Đối với các mô hình ARIMA, ký hiệu chuẩn sẽ là ARIMA với p, d và q, trong đó các giá trị nguyên thay thế cho các tham số để chỉ ra loại mô hình ARIMA được sử dụng. Các tham số có thể được định nghĩa là:
- p : số lượng quan sát độ trễ trong mô hình; còn được gọi là thứ tự độ trễ. d : số lần quan sát thô được phân biệt; còn được gọi là mức độ khác biệt.q: kích thước của cửa sổ trung bình di chuyển; còn được gọi là thứ tự của đường trung bình.
Trong một mô hình hồi quy tuyến tính, ví dụ, số lượng và loại thuật ngữ được bao gồm. Giá trị 0, có thể được sử dụng làm tham số, có nghĩa là không nên sử dụng thành phần cụ thể đó trong mô hình. Theo cách này, mô hình ARIMA có thể được xây dựng để thực hiện chức năng của mô hình ARMA hoặc thậm chí các mô hình AR, I hoặc MA đơn giản.
Tự động tích hợp trung bình di chuyển và văn phòng phẩm
Trong một mô hình trung bình di chuyển tích hợp tự động, dữ liệu được phân biệt để làm cho nó đứng yên. Một mô hình cho thấy sự ổn định là một mô hình cho thấy có sự nhất quán đối với dữ liệu theo thời gian. Hầu hết các dữ liệu kinh tế và thị trường cho thấy xu hướng, vì vậy mục đích của sự khác biệt là để loại bỏ bất kỳ xu hướng hoặc cấu trúc theo mùa.
Tính thời vụ, hoặc khi dữ liệu hiển thị các mẫu thường xuyên và có thể dự đoán được lặp lại trong một năm dương lịch, có thể ảnh hưởng tiêu cực đến mô hình hồi quy. Nếu một xu hướng xuất hiện và sự ổn định không rõ ràng, nhiều tính toán trong suốt quá trình không thể được thực hiện với hiệu quả cao.
