box-jenkins模型

Box-Jenkins模型是一個數學模型，用於根據特定時間序列的輸入預測資料範圍。Box-Jenkins模型可以分析幾種不同型別的時間序列資料以進行預測。...

什麼是box-jenkins模型(the box-jenkins model)？

Box-Jenkins模型是一個數學模型，用於根據特定時間序列的輸入預測資料範圍。Box-Jenkins模型可以分析幾種不同型別的時間序列資料以進行預測。

其方法利用資料點之間的差異來確定結果。該方法允許模型使用自回歸、移動平均和季節差異來確定趨勢，以生成預測。

自回歸綜合移動平均（ARIMA）模型是Box-Jenkins模型的一種形式。術語ARIMA和Box-Jenkins有時可以互換使用。

關鍵要點

Box-Jenkins模型是一種利用時間序列資料進行回歸研究的預測方法。
該方法基於過去的事件影響未來的假設。
它最適合在18個月或更短的時間內進行預測。
ARIMA計算是用複雜的工具完成的，比如R程式語言中的可程式設計統計軟體。

理解box-jenkins模型

Box-Jenkins模型用於預測各種預期資料點或資料範圍，包括業務資料和未來證券價格。

Box-Jenkins模型是由兩位數學家georgebox和gwilymjenkins建立的。這兩位數學家在1970年出版的《時間序列分析：預測和控制》一書中討論了構成這個模型的概念

Box-Jenkins模型的引數估計可能非常複雜。因此，與其他時間序列回歸模型類似，最佳結果通常透過使用可程式設計軟體來實現。Box-Jenkins模型通常也最適合18個月或更短的短期預測。

box-jenkins方**

Box-Jenkins模型是預報員在使用程式化預報軟體時遇到的幾種時間序列分析模型之一。在許多情況下，軟體將被程式設計為根據要預測的時間序列資料自動使用最佳擬合預測方法。據報道，Box-Jenkins是資料集最穩定、波動性小的首選。

Box-Jenkins模型使用三個原理預測資料：自回歸、差分和移動平均。這三個原理分別稱為p、d和q。在Box-Jenkins分析中使用了每一個原理，它們一起被表示為ARIMA（p，d，q）。

自回歸（p）過程檢驗資料的平穩性水平。如果使用的資料是平穩的，它可以簡化預測過程。如果所使用的資料是非平穩的，則需要進行差分（d）。在分析過程的第q部分，還測試了資料的移動平均擬合。總的來說，資料的初步分析透過確定用於制定預測的引數（p、d和q）為預測做好準備。

一次衝擊將無限地影響Box-Jenkins模型的後續值。因此，金融危機的遺留問題仍然存在於當今的自回歸模型中。

瞭解自回歸綜合移動平均（arima）

Box-Jenkins模型是一種自回歸綜合移動平均（ARIMA）模型，用來衡量一個因變數相對於其他變化變數的強度。該模型的目標是預測未來的證券或金融市場的走勢，透過檢查系列價值之間的差異，而不是透過實際價值。

ARIMA模型可以透過概述其每個組成部分來理解，如下所示：

自回歸 (AR）：指的是一個模型，它顯示了一個變化的變數，該變數在其自身滯後的情況下進行回歸，或者以前，價值觀。
綜合（一）：代表原始觀測值的差異對於平穩的時間序列，即資料值被資料值和先前值之間的差所取代。
移動平均（MA）：將觀測值與應用於滯後觀測值的移動平均模型的殘差之間的相關性合併。

預測股票價格

Box-Jenkins模型分析的一個用途是預測股票價格。這種分析通常是透過R軟體構建和編碼的。分析結果為對數結果，可應用於資料集，以生成未來特定時期的預測價格。

ARIMA模型是基於過去的價值對當前或未來價值有一些剩餘影響的假設。例如，投資者使用ARIMA模型預測股票價格時，會假設股票的新買家和賣家在決定提供或接受多少證券時會受到最近市場交易的影響。

儘管這種假設在許多情況下都成立，但情況並非總是如此。例如，在2008年金融危機之前的幾年裡，大多數投資者沒有意識到許多金融公司持有的大型抵押貸款支援證券（MBS）組合所帶來的風險。在這段時間裡，如果投資者使用自回歸模型預測美國金融股的表現，那麼他就有充分的理由預測該行業股價持續穩定或上漲的趨勢。然而，一旦公眾知道許多金融機構面臨著即將崩潰的風險，投資者突然對這些股票的近期價格不再那麼關註，而是更加關註其潛在的風險敞口。因此，市場迅速地將金融股重新估值到一個更低的水平，這一舉動將徹底擾亂自回歸模型。