Modello Box-Jenkins
Cos’è il modello Box-Jenkins?
Il modello Box-Jenkins è un modello matematico progettato per prevedere intervalli di dati in base agli input di una serie temporale specificata. Il modello Box-Jenkins può analizzare molti tipi diversi di dati di serie temporali per la previsione.
La sua metodologia utilizza le differenze tra i punti dati per determinare i risultati. La metodologia consente al modello di identificare le tendenze utilizzando l’autoregressione, le medie mobili e la differenziazione stagionale per generare previsioni. I modelli di media mobile integrata autoregressiva (ARIMA) sono una forma del modello Box-Jenkins. I termini ARIMA e Box-Jenkins Model possono essere usati in modo intercambiabile.
Punti chiave
- Il modello Box-Jenkins è una metodologia di previsione che utilizza studi di regressione.
- La metodologia è utilizzata al meglio come previsione calcolata dal computer sulla base di una regressione dei dati di serie temporali.
- È più adatto per la previsione entro periodi di tempo di 18 mesi o meno.
- Modernamente i calcoli ARIMA vengono eseguiti con strumenti sofisticati come il software statistico programmabile in linguaggio di programmazione R.
Comprensione del modello Box-Jenkins
I modelli Box-Jenkins vengono utilizzati per prevedere una varietà di punti dati o intervalli di dati previsti, inclusi dati aziendali e prezzi di sicurezza futuri.
Il modello Box-Jenkins è stato creato da due matematici George Box e Gwilym Jenkins. I due matematici hanno discusso i concetti che compongono questo modello in una pubblicazione del 1970 “Time Series Analysis: Forecasting and Control”.
Le stime dei parametri del modello Box-Jenkins possono essere molto complicate. Pertanto, analogamente ad altri modelli di regressione di serie temporali, i migliori risultati si ottengono tipicamente attraverso l’uso di software programmabile. Il modello Box-Jenkins è generalmente più adatto per previsioni a breve termine di 18 mesi o meno.
Metodologia Box-Jenkins
Il modello Box-Jenkins è uno dei numerosi modelli di analisi delle serie temporali che un meteorologo incontrerà quando si utilizza un software di previsione programmato. In molti casi il software sarà programmato per utilizzare automaticamente la metodologia di previsione più adatta in base ai dati delle serie temporali da prevedere. Si dice che Box-Jenkins sia la scelta migliore per i set di dati che sono per lo più stabili con bassa volatilità.
Il modello Box-Jenkins prevede i dati utilizzando tre principi, autoregressione, differenziazione e media mobile. Questi tre principi sono noti rispettivamente come p, d e q. Ciascun principio viene utilizzato nell’analisi di Box-Jenkins e insieme vengono mostrati collettivamente come ARIMA (p, d, q).
Il processo di autoregressione (p) verifica i dati per il loro livello di stazionarietà. Se i dati utilizzati sono stazionari, è possibile semplificare il processo di previsione. Se i dati utilizzati non sono stazionari, sarà necessario differenziarli (d). I dati vengono anche testati per il loro adattamento alla media mobile che viene eseguito nella parte q del processo di analisi. Nel complesso, l’analisi iniziale dei dati lo prepara per la previsione determinando i parametri (p, d e q) che vengono applicati per sviluppare una previsione.
Previsione dei prezzi delle azioni
Un utilizzo per l’analisi del modello Box-Jenkins è quello di prevedere i prezzi delle azioni. Questa analisi è tipicamente costruita e codificata tramite il software R. L’analisi produce un risultato logaritmico che può essere applicato al set di dati per generare i prezzi previsti per un periodo di tempo specificato in futuro.