Què és el model Box-Jenkins?
El Model Box-Jenkins és un model matemàtic dissenyat per predir intervals de dades basats en entrades d’una sèrie de temps especificada. El model Box-Jenkins pot analitzar diversos tipus de dades de sèries horàries diferents per a la predicció.
La seva metodologia utilitza diferències entre punts de dades per determinar resultats. La metodologia permet al model identificar tendències mitjançant autoregressió, mitjanes mòbils i diferenciació estacional per generar previsions. Els models de mitjana mòbil autoregressiva (ARIMA) són una forma de model Box-Jenkins. Els termes ARIMA i Box-Jenkins Model es poden utilitzar de forma intercanviable.
Punts clau
- El Model Box-Jenkins és una metodologia de predicció mitjançant estudis de regressió. La metodologia s’utilitza millor com a previsió calculada per ordinador basada en una regressió de dades de sèries horàries. És la més adequada per a la previsió en un termini de 18 mesos o menys. Els càlculs d’ARIMA es realitzen amb eines sofisticades com ara programari estadístic programable en llenguatge de programació R.
Comprensió del model Box-Jenkins
Els models Box-Jenkins s'utilitzen per preveure diversos punts de dades o intervals de dades previstos, incloses les dades empresarials i els preus futurs de seguretat.
El Model Box-Jenkins va ser creat per dos matemàtics George Box i Gwilym Jenkins. Els dos matemàtics van discutir els conceptes que comprenen aquest model en una publicació de 1970 "Time Series Analysis: Forecasting and Control".
Les estimacions dels paràmetres del model Box-Jenkins poden ser molt complicades. Per tant, de forma similar a altres models de regressió de sèries horàries, normalment els millors resultats s’obtindran mitjançant l’ús de programari programable. El model Box-Jenkins també és el més adequat per a la previsió a curt termini de 18 mesos o menys.
Metodologia Box-Jenkins
El Model Box-Jenkins és un dels diversos models d’anàlisi de sèries temporals que trobarà un pronòstic quan s’utilitza un programari de predicció programat. En molts casos, es programarà el programari perquè utilitzi automàticament la millor metodologia de previsió d’adaptació basada en les dades de sèries horàries que es preveu. Es recomana que Box-Jenkins és una opció més adequada per als conjunts de dades que són majoritàriament estables amb baixa volatilitat.
El Model Box-Jenkins prediu dades mitjançant tres principis: autoregressió, diferenciació i mitjana mòbil. Aquests tres principis es coneixen com p, d i q respectivament. Cada principi s’utilitza en l’anàlisi Box-Jenkins i conjuntament es mostren col·lectivament com a ARIMA (p, d, q).
El procés d'autoregressió (p) prova les dades pel seu nivell d'estabilitat. Si les dades que s’utilitzen són estacionàries, pot simplificar el procés de previsió. Si les dades que s’utilitzen no són estacionàries, caldrà diferenciar (d). Les dades també es proven de la seva adequació mitjana mòbil que es fa a la part q del procés d’anàlisi. En general, l'anàlisi inicial de les dades la prepara per a la previsió mitjançant la determinació dels paràmetres (p, d i q) que s'apliquen per desenvolupar una previsió.
Previsió dels preus de les accions
Una utilització per a l’anàlisi del model de Box-Jenkins és preveure els preus de les accions. Aquesta anàlisi es realitza normalment i es codifica mitjançant el programari R. L’anàlisi dóna lloc a un resultat logarítmic que es pot aplicar al conjunt de dades per generar els preus previstos per a un període de temps determinat en el futur.
