กล่อง

รุ่น Box-Jenkins คืออะไร

Box-Jenkins Model เป็นโมเดลทางคณิตศาสตร์ที่ออกแบบมาเพื่อคาดการณ์ช่วงข้อมูลตามอินพุตจากอนุกรมเวลาที่ระบุ Box-Jenkins Model สามารถวิเคราะห์ข้อมูลอนุกรมเวลาหลายประเภทเพื่อการพยากรณ์

วิธีการใช้ความแตกต่างระหว่างจุดข้อมูลเพื่อกำหนดผลลัพธ์ วิธีการช่วยให้แบบจำลองในการระบุแนวโน้มโดยใช้การตอบโต้อัตโนมัติค่าเฉลี่ยเคลื่อนที่และความแตกต่างของฤดูกาลเพื่อสร้างการคาดการณ์ Autoregressive Integrated Moving Average (ARIMA) รุ่นเป็นรูปแบบของ Box-Jenkins ข้อกำหนดของ ARIMA และรุ่น Box-Jenkins สามารถใช้แทนกันได้

ประเด็นที่สำคัญ

• แบบจำลอง Box-Jenkins เป็นวิธีการพยากรณ์โดยใช้การศึกษาการถดถอยวิธีการที่ดีที่สุดใช้เป็นการพยากรณ์ด้วยคอมพิวเตอร์โดยอาศัยการถดถอยของข้อมูลอนุกรมเวลามันเหมาะที่สุดสำหรับการพยากรณ์ภายในกรอบเวลา 18 เดือนหรือน้อยกว่านี้ การคำนวณ ARIMA ทำได้ด้วยเครื่องมือที่ทันสมัยเช่นซอฟต์แวร์สถิติเชิงโปรแกรมในภาษาโปรแกรม R

ทำความเข้าใจกับโมเดล Box-Jenkins

แบบจำลอง Box-Jenkins ใช้สำหรับการคาดการณ์จุดข้อมูลหรือช่วงข้อมูลที่หลากหลายซึ่งรวมถึงข้อมูลธุรกิจและราคาความปลอดภัยในอนาคต

โมเดล Box-Jenkins ถูกสร้างขึ้นโดยนักคณิตศาสตร์สองคน George Box และ Gwilym Jenkins นักคณิตศาสตร์สองคนกล่าวถึงแนวคิดที่ประกอบด้วยโมเดลนี้ในสิ่งพิมพ์ปี 1970 "การวิเคราะห์อนุกรมเวลา: การพยากรณ์และการควบคุม"

การประมาณค่าพารามิเตอร์ของ Box-Jenkins Model นั้นซับซ้อนมาก ดังนั้นคล้ายกับโมเดลการถดถอยอนุกรมเวลาอื่น ๆ โดยทั่วไปแล้วผลลัพธ์ที่ดีที่สุดจะเกิดขึ้นได้จากการใช้ซอฟต์แวร์ที่ตั้งโปรแกรมได้ แบบจำลอง Box-Jenkins เหมาะสมที่สุดสำหรับการพยากรณ์ระยะสั้นที่ 18 เดือนหรือน้อยกว่า

ระเบียบวิธี Box-Jenkins

Box-Jenkins Model เป็นหนึ่งในหลาย ๆ โมเดลการวิเคราะห์อนุกรมเวลาผู้พยากรณ์จะพบเมื่อใช้ซอฟต์แวร์พยากรณ์การโปรแกรม ในหลายกรณีซอฟต์แวร์จะถูกตั้งโปรแกรมให้ใช้วิธีการพยากรณ์ที่เหมาะสมที่สุดโดยอัตโนมัติตามข้อมูลอนุกรมเวลาที่จะถูกคาดการณ์ Box-Jenkins มีรายงานว่าเป็นตัวเลือกอันดับต้น ๆ สำหรับชุดข้อมูลที่มีความเสถียรส่วนใหญ่และมีความผันผวนต่ำ

Box-Jenkins Model คาดการณ์ข้อมูลโดยใช้หลักการสามประการคือการตอบโต้อัตโนมัติ หลักการทั้งสามนี้เรียกว่า p, d และ q ตามลำดับ แต่ละหลักการจะใช้ในการวิเคราะห์ Box-Jenkins และแสดงร่วมกันในรูปแบบ ARIMA (p, d, q)

กระบวนการ autoregression (p) ทดสอบข้อมูลสำหรับระดับความคงที่ หากข้อมูลที่ใช้อยู่นิ่งมันสามารถลดความซับซ้อนของกระบวนการพยากรณ์ หากข้อมูลที่ใช้ไม่คงที่ข้อมูลนั้นจะต้องแตกต่างกัน (d) ข้อมูลจะถูกทดสอบเพื่อหาค่าเฉลี่ยเคลื่อนที่ซึ่งจะทำในส่วนของกระบวนการวิเคราะห์ โดยรวมแล้วการวิเคราะห์เริ่มต้นของข้อมูลเป็นการเตรียมการสำหรับการพยากรณ์โดยการกำหนดพารามิเตอร์ (p, d และ q) ซึ่งจะนำไปใช้ในการพัฒนาการพยากรณ์

การพยากรณ์ราคาหุ้น

การวิเคราะห์แบบจำลอง Box-Jenkins Model หนึ่งครั้งคือการคาดการณ์ราคาหุ้น การวิเคราะห์นี้ถูกสร้างขึ้นและเขียนรหัสผ่านซอฟต์แวร์ R การวิเคราะห์ผลในผลลัพธ์ลอการิทึมซึ่งสามารถนำไปใช้กับชุดข้อมูลเพื่อสร้างราคาที่คาดการณ์สำหรับช่วงเวลาที่กำหนดในอนาคต