ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज (ARIMA)

एक ऑटोरेजिव इंटीग्रेटेड मूविंग एवरेज क्या है?

एक ऑटोरिजेक्टिव एकीकृत चलती औसत, या एआरआईएमए, एक सांख्यिकीय विश्लेषण मॉडल है जो डेटा सेट को समझने या भविष्य के रुझानों की भविष्यवाणी करने के लिए समय श्रृंखला डेटा का उपयोग करता है।

ऑटोरिग्रेसिव इंटीग्रेटेड मूविंग एवरेज (ARIMA) को समझना

एक ऑटोरोग्रेसिव इंटीग्रेटेड मूविंग एवरेज मॉडल रिग्रेशन एनालिसिस का एक रूप है जो अन्य बदलते चर के सापेक्ष एक आश्रित चर की ताकत का अनुमान लगाता है। मॉडल का लक्ष्य वास्तविक मूल्यों के बजाय श्रृंखला में मूल्यों के बीच के अंतर की जांच करके भविष्य की प्रतिभूतियों या वित्तीय बाजार की चाल की भविष्यवाणी करना है।

ARIMA मॉडल को इसके प्रत्येक घटक को निम्न प्रकार से समझा जा सकता है:

• Autoregression (AR) एक मॉडल को संदर्भित करता है जो एक बदलते चर को दर्शाता है जो अपने स्वयं के पिछड़े हुए, या पूर्व, मूल्यों पर वापस आता है।
• एकीकृत (I) समय श्रृंखला को स्थिर होने की अनुमति देने के लिए कच्ची टिप्पणियों के विभेदन का प्रतिनिधित्व करता है, अर्थात, डेटा मानों को डेटा मानों और पिछले मूल्यों के बीच अंतर द्वारा प्रतिस्थापित किया जाता है।
• मूविंग एवरेज (एमए) एक अवलोकन के बीच निर्भरता को शामिल करता है और एक लंबित अवलोकन मॉडल पर लागू औसत मॉडल से अवशिष्ट त्रुटि।

प्रत्येक घटक एक मानक संकेतन के साथ एक पैरामीटर के रूप में कार्य करता है। ARIMA मॉडल के लिए, p, d और q के साथ एक मानक संकेतन ARIMA होगा, जहाँ पूर्णांक मान ARIMA मॉडल के प्रकार को इंगित करने के लिए मापदंडों के लिए स्थानापन्न करता है। मापदंडों को इस प्रकार परिभाषित किया जा सकता है:

• पी : मॉडल में अंतराल टिप्पणियों की संख्या; जिसे लैग ऑर्डर के रूप में भी जाना जाता है।
• डी : कच्ची टिप्पणियों को अलग-अलग समय की संख्या; विभिन्नताओं की डिग्री के रूप में भी जाना जाता है।
• क्यू: चलती औसत खिड़की का आकार; मूविंग एवरेज के क्रम के रूप में भी जाना जाता है।

एक रैखिक प्रतिगमन मॉडल में, उदाहरण के लिए, संख्या और प्रकार की शर्तें शामिल हैं। 0 मान, जिसका उपयोग पैरामीटर के रूप में किया जा सकता है, का अर्थ होगा कि मॉडल में विशेष घटक का उपयोग नहीं किया जाना चाहिए। इस तरह, ARIMA मॉडल का निर्माण ARMA मॉडल या साधारण AR, I या MA मॉडल के कार्य को करने के लिए किया जा सकता है।

ऑटोरोग्रेसिव इंटीग्रेटेड मूविंग एवरेज एंड स्टेशनैरिटी

एक ऑटोरिजेक्टिव इंटीग्रेटेड मूविंग एवरेज मॉडल में, इसे स्थिर बनाने के लिए डेटा को अलग किया जाता है। एक मॉडल जो स्थिरता दिखाता है वह है जो दिखाता है कि समय के साथ डेटा में स्थिरता है। अधिकांश आर्थिक और बाजार डेटा रुझान दिखाते हैं, इसलिए अलग करने का उद्देश्य किसी भी रुझान या मौसमी संरचनाओं को दूर करना है।

सीज़नसिटी, या जब डेटा नियमित और अनुमानित पैटर्न दिखाते हैं जो एक कैलेंडर वर्ष में दोहराते हैं, तो प्रतिगमन मॉडल को नकारात्मक रूप से प्रभावित कर सकता है। यदि कोई प्रवृत्ति प्रकट होती है और स्थिरता स्पष्ट नहीं होती है, तो पूरी प्रक्रिया में कई संगणनाएँ बड़ी प्रभावोत्पादकता के साथ नहीं की जा सकती हैं।

इनवेस्टमेंट अकाउंट्स प्रोवाइडर नाम की तुलना करें। विज्ञापनदाता का विवरण × इस तालिका में दिखाई देने वाले प्रस्ताव उन साझेदारियों से हैं जिनसे इन्वेस्टोपेडिया को मुआवजा मिलता है।

संबंधित शर्तें

बॉक्स-जेनकिंस मॉडल परिभाषा बॉक्स-जेनकिन्स मॉडल एक गणितीय मॉडल है जिसे एक निर्दिष्ट समय श्रृंखला से डेटा का अनुमान लगाने के लिए डिज़ाइन किया गया है। अधिक एक त्रुटि अवधि क्या है? एक त्रुटि शब्द को एक सांख्यिकीय मॉडल में एक चर के रूप में परिभाषित किया गया है, जो तब बनाया जाता है जब मॉडल स्वतंत्र और निर्भर चर के बीच वास्तविक संबंध का पूरी तरह से प्रतिनिधित्व नहीं करता है। अधिक कैसे कम से कम वर्ग विधि काम करता है कम से कम वर्ग विधि एक मॉडल के लिए सबसे अच्छा फिट की रेखा निर्धारित करने के लिए एक सांख्यिकीय तकनीक है, जिसमें कुछ मापदंडों के साथ निर्दिष्ट डेटा द्वारा निर्दिष्ट है। अवशिष्ट मानक विचलन कैसे काम करता है। अवशिष्ट मानक विचलन एक सांख्यिकीय शब्द है जिसका उपयोग अवलोकन मूल्यों के मानक विचलन में अंतर का वर्णन करने के लिए किया जाता है। और क्या ऑटोरेग्रेसिव का मतलब है? एक सांख्यिकीय मॉडल आत्मकेंद्रित है यदि यह पिछले मूल्यों (यानी, प्रदर्शन के आधार पर भविष्य के शेयर की कीमतों की भविष्यवाणी) के आधार पर भविष्य के मूल्यों की भविष्यवाणी करता है। अधिक कैसे एकाधिक रैखिक प्रतिगमन काम करता है कई रैखिक प्रतिगमन (एमएलआर) एक सांख्यिकीय तकनीक है जो प्रतिक्रिया चर के परिणाम की भविष्यवाणी करने के लिए कई व्याख्यात्मक चर का उपयोग करती है। अधिक साथी लिंक