Mô hình Box-Jenkins là gì?
Mô hình Box-Jenkins là một mô hình toán học được thiết kế để dự báo phạm vi dữ liệu dựa trên các đầu vào từ một chuỗi thời gian được chỉ định. Mô hình Box-Jenkins có thể phân tích nhiều loại dữ liệu chuỗi thời gian khác nhau để dự báo.
Phương pháp của nó sử dụng sự khác biệt giữa các điểm dữ liệu để xác định kết quả. Phương pháp này cho phép mô hình xác định các xu hướng bằng cách sử dụng tự động, trung bình di chuyển và phân biệt theo mùa để tạo dự báo. Các mô hình trung bình di chuyển tích hợp tự động (ARIMA) là một dạng của mô hình Box-Jenkins. Các thuật ngữ ARIMA và Mô hình Box-Jenkins có thể được sử dụng thay thế cho nhau.
Chìa khóa chính
- Mô hình Box-Jenkins là một phương pháp dự báo sử dụng các nghiên cứu hồi quy. Phương pháp này được sử dụng tốt nhất như một dự báo được tính toán trên máy tính dựa trên hồi quy của dữ liệu chuỗi thời gian. Nó phù hợp nhất để dự báo trong các khung thời gian từ 18 tháng trở xuống. Tính toán ARIMA được thực hiện với các công cụ tinh vi như phần mềm thống kê có thể lập trình bằng ngôn ngữ lập trình R.
Hiểu mô hình Box-Jenkins
Mô hình Box-Jenkins được sử dụng để dự báo nhiều điểm dữ liệu hoặc phạm vi dữ liệu dự đoán bao gồm dữ liệu kinh doanh và giá bảo mật trong tương lai.
Mô hình Box-Jenkins được tạo ra bởi hai nhà toán học George Box và Gwilym Jenkins. Hai nhà toán học đã thảo luận về các khái niệm bao gồm mô hình này trong một ấn phẩm năm 1970 "Phân tích chuỗi thời gian: Dự báo và kiểm soát".
Ước tính các tham số của Mô hình Box-Jenkins có thể rất phức tạp. Do đó, tương tự như các mô hình hồi quy chuỗi thời gian khác, kết quả tốt nhất thường sẽ đạt được thông qua việc sử dụng phần mềm lập trình. Mô hình Box-Jenkins nói chung cũng phù hợp nhất để dự báo ngắn hạn từ 18 tháng trở xuống.
Phương pháp Box-Jenkins
Mô hình Box-Jenkins là một trong nhiều mô hình phân tích chuỗi thời gian mà một người dự báo sẽ gặp phải khi sử dụng phần mềm dự báo được lập trình. Trong nhiều trường hợp, phần mềm sẽ được lập trình để tự động sử dụng phương pháp dự báo phù hợp nhất dựa trên dữ liệu chuỗi thời gian được dự báo. Box-Jenkins được báo cáo là lựa chọn hàng đầu cho các bộ dữ liệu hầu hết ổn định với độ biến động thấp.
Mô hình Box-Jenkins dự báo dữ liệu bằng ba nguyên tắc, tự phát, khác biệt và trung bình di chuyển. Ba nguyên tắc này được gọi là p, d và q tương ứng. Mỗi nguyên tắc được sử dụng trong phân tích Box-Jenkins và cùng nhau chúng được hiển thị chung là ARIMA (p, d, q).
Quá trình tự động (p) kiểm tra dữ liệu về mức độ ổn định của nó. Nếu dữ liệu đang được sử dụng là ổn định, nó có thể đơn giản hóa quá trình dự báo. Nếu dữ liệu đang được sử dụng là không cố định, nó sẽ cần phải được phân biệt (d). Dữ liệu cũng được kiểm tra mức độ phù hợp trung bình di chuyển của nó, được thực hiện trong phần q của quá trình phân tích. Nhìn chung, phân tích ban đầu của dữ liệu chuẩn bị cho dự báo bằng cách xác định các tham số (p, d và q) được áp dụng để phát triển dự báo.
Dự báo giá cổ phiếu
Một cách sử dụng để phân tích Mô hình Box-Jenkins là dự báo giá cổ phiếu. Phân tích này thường được xây dựng và mã hóa thông qua phần mềm R. Kết quả phân tích dẫn đến kết quả logarit có thể được áp dụng cho tập dữ liệu để tạo ra giá dự báo trong một khoảng thời gian xác định trong tương lai.
