Модель авторегрессии скользящего среднего (ARIMA) Скачать в PDF

Синонимы: Модель Бокса-Дженкинса, АРИСС, Методология Бокса-Дженкинса, Autoregressive Integrated Moving Average, Box-Jenkins model

Разделы: Алгоритмы

Модель авторегрессии скользящего среднего и систематический подход к ее построению был предложен в 1970-х годах Джорджем Боксом и Гвилимом Дженкинсом. Она предназначена для анализа стационарных временных рядов на основе оценки линейной зависимости прогнозируемых значений от исторических.

Для использования модели временной ряд должен быть стационарным, т.е. его среднее и дисперсия должны быть постоянны.

Модель Бокса-Дженкинса предполагает, что временной ряд содержит три составляющие: авторегресионную, интегрированную и скользящее среднее, которые в модели обозначены , и соответственно:

  • Величина называется порядком авторегрессии. Она позволяет ответить на вопрос, будет ли очередной элемент ряда близок к значению , если к нему были близки предыдущих значений.
  • Величину называют порядком интегрирования. Она показывает, насколько элемент ряда близок по значению к предыдущим значениям, если разность между ними минимальна.
  • Параметр — порядок скользящего среднего. Позволяет установить погрешность модели как линейную комбинацию наблюдавшихся ранее значений ошибок.

Авторегрессия — это составляющая модели временного ряда, в которой его прогнозируемое значение может быть выражено в виде линейной комбинации исторических значений этого же ряда и случайной ошибки.

Обычно модель упоминается, как , где , и — целые неотрицательные числа, характеризующие порядок для частей модели (соответственно авторегрессионной, интегрированной и скользящего среднего).

Для временного ряда модель может быть записана в виде:

,

где

  • — оператор разности порядка (последовательное взятие раз разностей первого порядка — сначала от самого ряда, затем от полученных разностей первого порядка, затем от второго порядка и т. д.);
  • — коэффициенты авторегрессионной части модели, — значения ошибки (полагаются независимыми одинаково распределенными случайными величинами из нормального распределения с нулевым средним);
  • — коэффициенты скользящего среднего.

Существует также расширенная модель ARIMAX, которая учитывает внешние факторы при построении прогноза.

Модель Бокса-Дженкинса широко применяются при прогнозировании временных рядов. Основная задача при этом заключается в оценке параметров модели. Методология построения ARIMA-модели исследуемого временного ряда включает следующие основные этапы:

  • построение пробной модели;
  • оценивание параметров модели и проверка адекватности модели;
  • использование модели для прогнозирования.

В Loginom модель ARIMA реализована как отдельный обработчик, который позволяет производить прогнозирование временных рядов. Временным рядом могут быть любые данные в разрезе времени, например, продажи товаров, количество заказов, поток клиентов и т.д.

Построение модели в Loginom для прогноза объема продаж сезонных товаров зимнего спорта по месяцам подробно описано в статье «Пример использования ARIMA для прогноза продаж».