En este momento estás viendo Media móvil autónoma integrada (ARIMA)

¿Qué es la media móvil integrada autónoma?

Un promedio móvil integrado autónomo, o ARIMA, es un modelo de análisis estadístico que utiliza datos de series de tiempo para comprender mejor el conjunto de datos o predecir tendencias futuras.

Comprensión de la media móvil integrada autónoma (ARIMA)

Un modelo de promedio móvil integrado autónomo es un tipo de análisis de regresión que mide la fuerza de una variable dependiente en relación con otras variables variables. El objetivo del modelo es predecir futuros movimientos de valores o mercados financieros examinando las diferencias entre los valores de la serie en lugar de los valores reales.

El modelo ARIMA se puede entender describiendo cada uno de sus componentes de la siguiente manera:

  • Autorregresión (AR) se refiere a un modelo que muestra una variable variable que retrocede en o antes de sus valores debilitados.
  • Integrado (I) representa la diferencia entre las observaciones sin procesar para permitir que la serie de tiempo se detenga, es decir, los valores de los datos se reemplazan por la diferencia entre los valores de los datos y los valores anteriores.
  • Media móvil (MA) incorpora la dependencia entre la observación y el error residual de un modelo de medios móviles aplicado a observaciones debilitadas.

Cada componente sirve como parámetro con notación estándar. Para los modelos ARIMA, la notación ARIMA estándar sería con p, d y q, donde los parámetros serían reemplazados por valores enteros para indicar el tipo de modelo ARIMA utilizado. Los parámetros se pueden definir como:

  • pag: número de observaciones de retraso en el modelo; también conocido como orden de retraso.
  • D: el número de veces que difieren las observaciones en bruto; también conocido como la cantidad de diferencia.
  • q: tamaño de la ventana de media móvil; también conocido como el orden de las medias móviles.

En un modelo de regresión lineal, por ejemplo, se incluyen el número y el tipo de términos. Un valor de 0, que puede usarse como parámetro, significaría que un componente en particular no debería usarse en el modelo. De esta manera, el modelo ARIMA se puede construir para cumplir la función de un modelo ARMA, o incluso modelos AR, I o MA simples.

Media móvil integrada autónoma y papelería

En un modelo de media móvil integrado autónomo, los datos difieren para estancarlos. Un modelo que muestra que los datos son consistentes a lo largo del tiempo es un modelo que muestra papelería. La mayoría de los datos económicos y de mercado muestran tendencias, por lo que el propósito de la diferencia es eliminar cualquier tendencia o estructura estacional.

La estacionalidad, o cuando los datos muestran patrones regulares y predecibles que se repiten durante un año calendario, pueden afectar negativamente al modelo de regresión. Si una tendencia es visible y la papelería no es visible, muchos de los cálculos durante el proceso no se pueden realizar de manera eficiente.