自回归综合移动平均法 编辑

什么是自回归综合移动平均线？

自回归综合移动平均（ARIMA）是一种使用；时间序列数据 更好地了解数据集或预测未来趋势；

了解自回归综合移动平均（ARIMA）

自回归综合移动平均模型是；回归分析 它衡量一个因变量相对于其他变化变量的强度。该模型的目标是通过检查系列值之间的差异而不是通过实际值来预测未来的证券或金融市场走势。

ARIMA模型可以通过概述其每个组成部分来理解，如下所示：

• 自回归（AR） 指的是一个模型，该模型显示一个变化的变量，该变量根据其自身的滞后值或先前值进行回归。
• 综合（I）；表示原始观测值的差异，以允许时间序列变得平稳，即数据值被数据值和以前的值之间的差异替换。
• 移动平均（MA） 将观测值与应用于滞后观测值的移动平均模型的残差之间的相关性合并。

每个组件都作为一个带有标准符号的参数。对于ARIMA模型，标准表示法是带有p、d和q的ARIMA，其中用整数值代替参数以指示所用ARIMA模型的类型。参数可定义为：

• p：模型中滞后观测值的数目；也称为滞后顺序。
• d：原始观测值的差异次数；也称为差异程度。
• 问：移动平均线窗口的大小；也称为移动平均线的顺序。

在一个线性回归 例如，包括术语的数量和类型。可以用作参数的0值表示不应在模型中使用特定组件。这样，可以构造ARIMA模型来执行ARMA模型的功能，甚至是简单的AR、I或MA模型。

自回归综合滑动平均与平稳性

在自回归综合移动平均模型中，对数据进行差分以使其平稳。一个显示平稳性的模型就是一个显示数据随时间变化的恒常性的模型。大多数经济和市场数据都显示趋势，因此差异化的目的是消除任何趋势或季节性结构；

季节性 或者当数据显示在一个日历年内重复的规律和可预测的模式时，可能会对回归模型产生负面影响。如果出现趋势且平稳性不明显，则整个过程中的许多计算都无法取得很好的效果。