Qu'est-ce que le modèle Box-Jenkins?
Le modèle de Box-Jenkins est un modèle mathématique conçu pour prévoir les plages de données en fonction des entrées d'une série chronologique spécifiée. Le modèle de Box-Jenkins peut analyser de nombreux types de données de séries chronologiques pour la prévision.
Sa méthodologie utilise des différences entre les points de données pour déterminer les résultats. La méthodologie permet au modèle d'identifier les tendances en utilisant l'autorégression, les moyennes mobiles et la différenciation saisonnière pour générer des prévisions. Les modèles autorégressifs à moyenne mobile intégrée (ARIMA) sont une forme de modèle de Box-Jenkins. Les termes ARIMA et Box-Jenkins Model peuvent être utilisés de manière interchangeable.
Points clés à retenir
- Le modèle de Box-Jenkins est une méthodologie de prévision utilisant des études de régression.La méthodologie est mieux utilisée comme prévision calculée par ordinateur basée sur une régression de données de séries chronologiques.Elle est la mieux adaptée pour la prévision dans des délais de 18 mois ou moins. Les calculs ARIMA sont effectués à l'aide d'outils sophistiqués tels qu'un logiciel statistique programmable en langage de programmation R.
Comprendre le modèle Box-Jenkins
Les modèles de Box-Jenkins sont utilisés pour prévoir une variété de points de données ou de plages de données anticipés, y compris des données commerciales et des prix de sécurité futurs.
Le modèle Box-Jenkins a été créé par deux mathématiciens George Box et Gwilym Jenkins. Les deux mathématiciens ont discuté des concepts qui composent ce modèle dans une publication de 1970 "Time Series Analysis: Forecasting and Control".
Les estimations des paramètres du modèle de Box-Jenkins peuvent être très compliquées. Par conséquent, à l'instar d'autres modèles de régression de séries chronologiques, les meilleurs résultats seront généralement obtenus grâce à l'utilisation d'un logiciel programmable. Le modèle de Box-Jenkins est également généralement le mieux adapté pour des prévisions à court terme de 18 mois ou moins.
Méthodologie Box-Jenkins
Le modèle de Box-Jenkins est l'un des nombreux modèles d'analyse de séries chronologiques qu'un prévisionniste rencontrera lors de l'utilisation d'un logiciel de prévision programmé. Dans de nombreux cas, le logiciel sera programmé pour utiliser automatiquement la méthodologie de prévision la mieux adaptée en fonction des données de série chronologique à prévoir. Box-Jenkins serait un excellent choix pour les ensembles de données qui sont pour la plupart stables et à faible volatilité.
Le modèle de Box-Jenkins prévoit des données en utilisant trois principes, l'autorégression, la différenciation et la moyenne mobile. Ces trois principes sont appelés respectivement p, d et q. Chaque principe est utilisé dans l'analyse de Box-Jenkins et, ensemble, ils sont collectivement représentés par ARIMA (p, d, q).
Le processus d'autorégression (p) teste les données pour leur niveau de stationnarité. Si les données utilisées sont stationnaires, cela peut simplifier le processus de prévision. Si les données utilisées ne sont pas stationnaires, elles devront être différenciées (d). L'ajustement de la moyenne mobile des données est également testé, ce qui est fait dans la partie q du processus d'analyse. Dans l'ensemble, l'analyse initiale des données les prépare à la prévision en déterminant les paramètres (p, d et q) qui sont appliqués pour développer une prévision.
Prévision des cours des actions
L'une des utilisations de l'analyse du modèle de Box-Jenkins est de prévoir les cours des actions. Cette analyse est généralement construite et codée via le logiciel R. L'analyse aboutit à un résultat logarithmique qui peut être appliqué à l'ensemble de données pour générer les prix prévus pour une période de temps spécifiée à l'avenir.
