Box-Jenkins 모델이란 무엇입니까?
Box-Jenkins 모델은 지정된 시계열의 입력을 기반으로 데이터 범위를 예측하도록 설계된 수학적 모델입니다. Box-Jenkins 모델은 예측을 위해 다양한 유형의 시계열 데이터를 분석 할 수 있습니다.
이 방법론은 데이터 포인트 간의 차이를 사용하여 결과를 결정합니다. 이 방법론을 통해 모델은 자동 회귀, 이동 평균 및 계절 차이를 사용하여 추세를 식별하여 예측을 생성 할 수 있습니다. ARIMA (Autoregressive Integrated Moving Average) 모델은 Box-Jenkins 모델의 한 형태입니다. ARIMA와 Box-Jenkins Model이라는 용어는 서로 바꿔 사용할 수 있습니다.
주요 테이크 아웃
- Box-Jenkins 모델은 회귀 연구를 사용하는 예측 방법론으로, 시계열 데이터의 회귀를 기반으로 컴퓨터 계산 예측으로 사용하는 것이 가장 적합하며 18 개월 이하의 기간 내에 예측하는 데 가장 적합합니다. ARIMA 계산은 R 프로그래밍 언어의 프로그래밍 가능 통계 소프트웨어와 같은 정교한 도구를 사용하여 수행됩니다.
Box-Jenkins 모델 이해
Box-Jenkins 모델은 비즈니스 데이터 및 향후 보안 가격을 포함하여 다양한 예상 데이터 포인트 또는 데이터 범위를 예측하는 데 사용됩니다.
Box-Jenkins 모델은 두 명의 수학자 George Box와 Gwilym Jenkins가 만들었습니다. 두 수학자는 1970 년 출판 "시계열 분석: 예측 및 제어"에서이 모델을 구성하는 개념에 대해 논의했습니다.
Box-Jenkins 모델의 매개 변수 추정은 매우 복잡 할 수 있습니다. 따라서 다른 시계열 회귀 모델과 마찬가지로 프로그래밍 가능한 소프트웨어를 사용하여 최상의 결과를 얻을 수 있습니다. Box-Jenkins 모델은 일반적으로 18 개월 이하의 단기 예측에 가장 적합합니다.
박스 젠킨스 방법론
Box-Jenkins 모델은 프로그래밍 된 예측 소프트웨어를 사용할 때 예측자가 보게되는 몇 가지 시계열 분석 모델 중 하나입니다. 대부분의 경우 소프트웨어는 예측할 시계열 데이터를 기반으로 최적의 예측 방법을 자동으로 사용하도록 프로그래밍됩니다. Box-Jenkins는 변동성이 낮고 대부분 안정적인 데이터 세트에 가장 적합한 것으로보고되었습니다.
Box-Jenkins 모델은 세 가지 원칙, 자동 회귀, 차이 및 이동 평균을 사용하여 데이터를 예측합니다. 이 세 가지 원칙을 각각 p, d 및 q라고합니다. 각 원칙은 Box-Jenkins 분석에 사용되며 함께 ARIMA (p, d, q)로 표시됩니다.
자동 회귀 (p) 프로세스는 데이터의 정상 성 수준을 테스트합니다. 사용중인 데이터가 고정되어 있으면 예측 프로세스를 단순화 할 수 있습니다. 사용중인 데이터가 고정적이지 않은 경우 차이가 있어야합니다 (d). 데이터는 또한 분석 프로세스의 q 부분에서 수행되는 이동 평균 적합도에 대해 테스트됩니다. 전반적으로 데이터의 초기 분석은 예측 개발에 적용되는 매개 변수 (p, d 및 q)를 결정하여 예측을 위해 데이터를 준비합니다.
주가 예측
Box-Jenkins Model 분석의 한 가지 용도는 주가를 예측하는 것입니다. 이 분석은 일반적으로 R 소프트웨어를 통해 구축되고 코딩됩니다. 분석 결과는 지정된 시간 동안 예측 된 가격을 생성하기 위해 데이터 세트에 적용될 수있는 로그 결과를 생성합니다.
