מהו ממוצע נע אוטורגרסיבי (ARIMA)?
מהו ממוצע נע אוטורגרסיבי (ARIMA)? ממוצע נע משולב אוטורגרסיבי, או ARIMA, הוא מודל ניתוח סטטיסטי שמשתמש בנתונים של סדרות זמן כדי להבין טוב יותר את מערך הנתונים או כדי לחזות מגמות עתידיות. מודל סטטיסטי הוא אוטורגרסיבי אם הוא מנבא ערכים עתידיים על סמך ערכי העבר. לדוגמה, מודל ARIMA עשוי לנסות לחזות את המחירים העתידיים של מניה על סמך ביצועי העבר שלה או לחזות את הרווחים של החברה על סמך תקופות קודמות.
מהו ממוצע נע אוטורגרסיבי (ARIMA)? – מודל סטטיסטי הוא אוטורגרסיבי אם הוא מנבא ערכים עתידיים על סמך ערכי העבר. לדוגמה, מודל ARIMA עשוי לנסות לחזות את המחירים העתידיים של מניה על סמך ביצועי העבר שלה או לחזות את הרווחים של החברה על סמך תקופות קודמות.
מהו ממוצע נע אוטורגרסיבי (ARIMA)? – נקודות מרכזיות
הבנת ממוצע נע משולב אוטומטי (ARIMA)
מודל משולב של ממוצע נע אוטורגרסיבי הוא סוג של אנליטיקאי רגרסיה שמודד את עוצמתו של משתנה תלוי אחד ביחס למשתנים משתנים אחרים. מטרת המודל היא לחזות מהלכים עתידיים בניירות ערך או בשוק הפיננסי על ידי בחינת ההבדלים בין הערכים בסדרה במקום באמצעות ערכים בפועל.
ניתן להבין מודל ARIMA על ידי תיאור כל אחד ממרכיביו כדלקמן:
פרמטרים של ARIMA
כל רכיב ב-ARIMA מתפקד כפרמטר עם סימון סטנדרטי. עבור מודלים של ARIMA, סימון סטנדרטי יהיה ARIMA עם p, d ו-q, כאשר ערכי מספרים שלמים מחליפים את הפרמטרים כדי לציין את סוג מודל ARIMA המשמש. ניתן להגדיר את הפרמטרים כך:
לדוגמה, מודל רגרסיה אלינארית כולל את מספר וסוג המונחים. ערך של אפס (0), שיכול לשמש כפרמטר, פירושו שאסור להשתמש ברכיב מסוים במודל. בדרך זו, ניתן לבנות את מודל ARIMA כך שיבצע את הפונקציה של מודל ARMA, או אפילו מודלים פשוטים של AR, I או MA.
ARIMA ונתונים נייחים
במודל ממוצע נע משולב אוטורגרסיבי, הנתונים מובדלים כדי להפוך אותם נייחים. מודל שמראה נייחות הוא כזה שמראה שיש יציבות לנתונים לאורך זמן. רוב הנתונים הכלכליים והשוקיים מראים מגמות, כך שמטרת ההבדלים היא להסיר מגמות או מבנים עונתיים.
עונתיות, או כאשר הנתונים מראים דפוסים קבועים וצפויים שחוזרים על פני שנה קלנדרית, עלולים להשפיע לרעה על מודל הרגרסיה. אם מופיעה מגמה והנייחות אינה ברורה, לא ניתן לבצע רבים מהחישובים לאורך התהליך ולהניב את התוצאות המיועדות.
כיצד לבנות דגם ARIMA
כדי להתחיל לבנות מודל ARIMA להשקעה, אתה מוריד כמה שיותר מנתוני המחיר. לאחר שזיהית את המגמות עבור הנתונים, אתה מזהה את סדר ההבדל הנמוך ביותר (ד) על ידי התבוננות בקורלציות האוטומטיות. אם המתאם האוטומטי של lag-1 הוא אפס או שלילי, הסדרה כבר שונה. ייתכן שיהיה עליך להבדיל יותר בסדרה אם ה-lag-1 גבוה מאפס.
לאחר מכן, קבע את סדר הרגרסיה (p) ואת סדר הממוצע הנע (q) על ידי השוואת אוטוקורלציות ואוטוקורלציות חלקיות. ברגע שיש לך את המידע שאתה צריך, תוכל לבחור את הדגם שבו תשתמש.
יתרונות וחסרונות של ARIMA
למודלים של ARIMA יש נקודות חזקות והם טובים בחיזוי על סמך נסיבות העבר, אך ישנן סיבות נוספות להיות זהירים בעת השימוש ב-ARIMA. בניגוד גמור להסתייגות השקעה הקובעת "ביצועי עבר אינם אינדיקטור לביצועים עתידיים…", מודלים של ARIMA מניחים שלערכי העבר יש השפעה שיורית מסוימת על ערכים נוכחיים או עתידיים ומשתמשים בנתונים מהעבר כדי לחזות אירועים עתידיים.
הטבלה הבאה מפרטת תכונות אחרות של ARIMA המדגימות מאפיינים טובים ורעים.
יתרונות
חסרונות
למה משמשת ARIMA?
ARIMA היא שיטה לחיזוי או חיזוי של תוצאות עתידיות על סמך סדרת זמן היסטורית. הוא מבוסס על התפיסה הסטטיסטית של מתאם סדרתי, שבו נקודות נתונים בעבר משפיעות על נקודות נתונים עתידיות.
מה ההבדלים בין מודלים אוטומטיים לממוצע נע?
ARIMA משלבת תכונות אוטורגרסיביות עם אלו של ממוצעים נעים. תהליך אוטורגרסיבי של AR(1), למשל, הוא תהליך שבו הערך הנוכחי מבוסס על הערך הקודם, בעוד שתהליך AR(2) הוא תהליך שבו הערך הנוכחי מבוסס על שני הערכים הקודמים. ממוצע נע הוא חישוב המשמש לניתוח נקודות נתונים על ידי יצירת סדרה של ממוצעים של תת-קבוצות שונות של מערך הנתונים המלא כדי להחליק את ההשפעה של חריגים. כתוצאה משילוב זה של טכניקות, מודלים של ARIMA יכולים לקחת בחשבון מגמות, מחזוריות, עונתיות וסוגים לא סטטיים אחרים של נתונים בעת ביצוע תחזיות.
כיצד פועלת חיזוי ARIMA?
חיזוי ARIMA מושג על ידי חיבור נתוני סדרות זמן עבור המשתנה המעניין. תוכנה סטטיסטית תזהה את המספר המתאים של השהיה או כמות ההפרשים שיש להחיל על הנתונים ותבדוק אם יש נייחות. לאחר מכן הוא יוציא את התוצאות, שלעתים קרובות מתפרשות בדומה לזו של מודל רגרסיה ליניארית מרובה.
סיכום ומסקנות
מודל ARIMA משמש ככלי חיזוי כדי לחזות כיצד משהו יפעל בעתיד בהתבסס על ביצועי העבר. הוא משמש בניתוח טכני כדי לחזות את הביצועים העתידיים של נכס.
מודלים של ARIMA בדרך כלל אינם מתאימים לתחזיות ארוכות טווח, כמו יותר משישה חודשים קדימה, מכיוון שהוא משתמש בנתוני עבר ובפרמטרים המושפעים מחשיבה אנושית. מסיבה זו, עדיף להשתמש בו עם כלי ניתוח טכניים אחרים כדי לקבל תמונה ברורה יותר של ביצועי הנכס.
