الانتقال من المتوسط - الانحدار

المتوسط ​​المتحرك - MA. BREAK تراجع لأسفل المتوسط ​​المتحرك - MA. As على سبيل المثال، اعتبر الأمن مع أسعار الإغلاق التالية أكثر من 15 days. Week 1 5 أيام 20، 22، 24، 25، 23.Week 2 5 دايس 26، 28 ، 26، 29، 27.Week 3 5 دايس 28، 30، 27، 29، 28.A ستستغرق المتوسط ​​المتحرك ل 10 أيام متوسط ​​أسعار الإغلاق للأيام العشرة الأولى كنقطة البيانات الأولى نقطة البيانات التالية ستنخفض في أقرب وقت السعر، إضافة السعر في اليوم 11 واتخاذ المتوسط، وهلم جرا كما هو مبين أدناه. كما لاحظنا في وقت سابق، ماس تأخر العمل السعر الحالي لأنها تستند إلى الأسعار الماضية أطول فترة زمنية ل ما، وزيادة تأخر وهكذا فإن درجة الماجستير لمدة 200 يوم سيكون لها درجة أكبر بكثير من تأخر من ما لمدة 20 يوما ما لأنه يحتوي على أسعار لل 200 يوما الماضية طول ما لاستخدام يعتمد على أهداف التداول، مع أقصر من ماس المستخدمة في التداول على المدى القصير والمدى الطويل الأجل أكثر ملاءمة للمستثمرين على المدى الطويل ويتبع على نطاق واسع ما لمدة 200 يوم من قبل المستثمرين والتجار، مع فواصل فوق وتحت هذا المتوسط ​​المتحرك كونسي كما أنها تعطي إشارات تجارية مهمة من تلقاء نفسها أو عندما يتقاطع متوسطان فوق مؤشر ما الصاعد يشير إلى أن الأمن في اتجاه صعودي بينما يشير تراجع ما إلى أنه في اتجاه هبوطي وبالمثل فإن الزخم التصاعدي هو مؤكدا مع كسر صعودي الذي يحدث عندما يعبر ما على المدى القصير ما فوق فوق المدى الطويل ما الزخم الهابط أكد مع كروس أوفر الهابط، والذي يحدث عندما يعبر ما قصيرة الأجل ما دون الأجل الطويل ما. التوزيع إلى نماذج أريما نونسونال معادلة التنبؤ. أريما p، d، q تعد نماذج أريما من الناحية النظرية الفئة الأكثر عمومية من النماذج للتنبؤ بسلسلة زمنية يمكن أن تكون ثابتة من خلال الاختلاف إذا لزم الأمر، وربما بالتزامن مع التحولات غير الخطية مثل قطع الأشجار أو الانقسام إذا لزم الأمر المتغير العشوائي الذي هو عبارة عن سلسلة زمنية ثابت إذا كانت خصائصه الإحصائية ثابتة على مر الزمن لا توجد سلسلة ثابتة من السلاسل الثابتة، اتساع مستمر، ويتصارع بطريقة متسقة أي أن أنماط الوقت العشوائي على المدى القصير تبدو دائما نفسها بالمعنى الإحصائي يعني الشرط الأخير أن الارتباطات أوتوكوريلاتيونس الارتباط مع الانحرافات السابقة الخاصة بها من المتوسط ​​تبقى ثابتة على مر الزمن، أو ما يعادلها ، أن طيف القدرة لا يزال ثابتا بمرور الوقت ويمكن النظر إلى المتغير العشوائي لهذا النموذج كالمعتاد كجمع بين الإشارة والضوضاء، والإشارة إذا كان المرء ظاهرا يمكن أن يكون نمطا للانعكاس السريع أو البطيء أو التذبذب الجيبية، أو يمكن أن يكون لها عنصر موسمي يمكن اعتبار نموذج أريما كمرشح يحاول فصل الإشارة عن الضوضاء، ومن ثم يتم استقراء الإشارة في المستقبل للحصول على التنبؤات. ومعادلة التنبؤ أريما بالنسبة إلى السلسلة الزمنية الثابتة هي المعادلة الخطية أي الانحدار من نوع التي تتكون فيها التنبؤات من تأخر المتغير التابع أو التأخر في أخطاء التنبؤ أن i s. القيمة المسبقة ل Y ثابتة و أو مجموع مرجح لقيمة واحدة أو أكثر من القيم الأخيرة أو Y أو مجموع مرجح لقيمة أو أكثر من القيم الأخيرة للأخطاء. إذا كانت المتنبئات تتكون فقط من قيم متخلفة من Y فهي نقية نموذج الانحدار الذاتي الذاتي الانحدار، وهو مجرد حالة خاصة من نموذج الانحدار والتي يمكن تركيبها مع برامج الانحدار القياسية على سبيل المثال، نموذج أول الانحدار الذاتي أر 1 ل Y هو نموذج الانحدار بسيط الذي المتغير المستقل هو مجرد Y تأخرت بفترة واحدة لاغ Y أو 1 في ستاتغرافيكس أو YLAG1 في ريجرسيت إذا كانت بعض المتنبئات متخلفة من الأخطاء، فإن نموذج أريما ليس نموذج انحدار خطي، لأنه لا توجد طريقة لتحديد الخطأ في الفترة الأخيرة ك متغير مستقل يجب حساب الأخطاء على أساس فترة إلى فترة عندما يكون النموذج مثبتا على البيانات من وجهة النظر التقنية، فإن مشكلة استخدام الأخطاء المتأخرة كمنبئات هي أن تنبؤات النموذج ليست وظائف خطية للمعامل s على الرغم من أنها وظائف خطية من البيانات السابقة لذلك، يجب أن تكون معاملات في نماذج أريما التي تشمل أخطاء متخلفة تقديرا من خلال أساليب الأمثل غير الخطية هيل تسلق بدلا من مجرد حل نظام المعادلات. الاسم المختصر أريما لتقف على السيارات الانحدارية المتكاملة المتوسط ​​المتحرك يتطابق التأخر في السلسلة المستقرة في معادلة التنبؤ بعبارات الانحدار الذاتي، وتسمى فترات التأخير في أخطاء التنبؤ بمتوسطات المتوسط ​​المتحرك، ويقال إن السلاسل الزمنية التي يجب أن تكون مختلفة لتكون ثابتة، هي نسخة متكاملة من ثابت سلسلة نماذج المشي العشوائي ونماذج الاتجاه العشوائي ونماذج الانحدار الذاتي ونماذج التمهيد الأسي كلها حالات خاصة من نماذج أريما. ويصنف نموذج أريما غير المنطقي على أنه نموذج أريما p، d، q، حيث هو عدد المصطلحات الانحدارية الذاتية. d هو عدد الخلافات غير الموسمية اللازمة للاستبانة، و. ق هو عدد أخطاء التنبؤات المتأخرة في معادلة التنبؤ. ومعادلة التنبؤ هي c بناء على النحو التالي أولا، دعونا ذ تدل على الفرق د من Y مما يعني. ملاحظة أن الفرق الثاني من Y د 2 الحالة ليست الفرق من 2 منذ فترات بدلا من ذلك، هو الفرق الأول من الأول الفرق الذي هو التناظرية منفصلة من مشتق الثاني، أي تسارع المحلي للسلسلة بدلا من الاتجاه المحلي. من حيث y معادلة التنبؤ العامة هي. هنا يتم تعريف المعلمات المتوسط ​​المتحرك s بحيث تكون علاماتها سلبية في المعادلة، بعد الاتفاقية التي قدمها بوكس ​​وجينكينز بعض الكتاب والبرمجيات بما في ذلك لغة البرمجة R تعريفها بحيث يكون لها علامات زائد بدلا من ذلك عندما يتم توصيل الأرقام الفعلية في المعادلة، لا يوجد أي غموض، ولكن من المهم أن نعرف أي اتفاقية يستخدم البرنامج الخاص بك عندما كنت تقرأ الإخراج في كثير من الأحيان يشار إلى المعلمات هناك من قبل أر 1، أر 2، و ما 1، ما 2، إلخ. لتحديد نموذج أريما المناسب ل Y تبدأ بتحديد ترتيب ديفيرنسينغ د الحاجة إلى ستاتاريز السلسلة وإزالة الميزات الإجمالية للموسمية، وربما بالتزامن مع التحول استقرار التباين مثل قطع الأشجار أو انكماش إذا كنت تتوقف عند هذه النقطة والتنبؤ بأن سلسلة ديفيرنتد ثابت، لديك مجرد تركيب عشوائي المشي أو نموذج الاتجاه العشوائي ومع ذلك، فإن سلسلة ثابتة قد لا تزال لديها أخطاء أوتوكوريلاتد، مما يشير إلى أن بعض عدد من المصطلحات أر p 1 و أو بعض عدد الشروط م س 1 هناك حاجة أيضا في معادلة التنبؤ. عملية تحديد قيم p، d و q التي هي الأفضل لسلسلة زمنية معينة سوف تناقش في أقسام لاحقة من الملاحظات التي الروابط في الجزء العلوي من هذه الصفحة، ولكن معاينة لبعض أنواع نماذج أريما نونسونالونال التي تواجه عادة ويرد أدناه. ARIMA 1،0،0 من الدرجة الأولى نموذج الانحدار الذاتي إذا كانت سلسلة ثابتة و أوتوكوريلاتد، وربما يمكن التنبؤ بها باعتبارها متعددة من قيمتها السابقة الخاصة، بالإضافة إلى ثابت فوريكاس معادلة تينغ في هذه الحالة is. which هو Y تراجعت على نفسها متخلفة بفترة واحدة هذا هو أريما 1،0،0 نموذج ثابت إذا كان متوسط ​​Y هو صفر، فإن المصطلح الثابت لن يتم تضمينه. إذا كان معامل الانحدار 1 يكون موجبا وأقل من 1 في الحجم يجب أن يكون أقل من 1 في الحجم إذا كان Y ثابتا، يصف النموذج سلوك التراجع المعياري الذي ينبغي التنبؤ فيه بقيمة الفترة التالية لتكون 1 مرة بعيدا عن المتوسط ​​كما في هذه الفترة s إذا كان الرقم 1 سالبا، فإنه يتنبأ بسلوك التراجع عن طريق تبديل الإشارات، أي أنه يتوقع أيضا أن يكون Y أقل من متوسط ​​الفترة التالية إذا كان أعلى من متوسط ​​هذه الفترة. في نموذج طلب الانحدار الذاتي من الدرجة الثانية أريما 2، 0،0، سيكون هناك مصطلح Y t-2 على اليمين كذلك، وهلم جرا اعتمادا على علامات ومقدار المعاملات، يمكن أن يصف نموذج 2.00 أريما النظام الذي يحدث انعكاس متوسطه في بطريقة تتأرجح الجيب، مثل حركة كتلة في فصل الربيع الذي يتعرض ل الصدمات العشوائية. أريما 0،1،0 المشي العشوائي إذا كانت السلسلة Y ليست ثابتة، فإن أبسط نموذج ممكن هو نموذج المشي العشوائي، والذي يمكن اعتباره حالة تقييد لنموذج أر 1 الذي يكون معامل الانحدار الذاتي فيه يساوي 1، أي سلسلة مع بطيئة متوسط ​​انعكاس المتوسط ​​يمكن التنبؤ معادلة التنبؤ لهذا النموذج as. where المصطلح الثابت هو متوسط ​​الفترة إلى فترة التغيير أي الانجراف على المدى الطويل في Y هذا النموذج يمكن تركيبها ك نموذج الانحدار لا اعتراض الذي الفرق الأول من Y هو المتغير التابع لأنه لا يتضمن سوى اختلاف نونسونالونال ومدة ثابتة، تصنف على أنها أريما 0،1،0 نموذج مع ثابت المشي العشوائي دون الانجراف نموذج أريما 0،1،0 نموذج بدون ثابت. أريما 1،1،0 اختلافا في الدرجة الأولى نموذج الانحدار الذاتي إذا كانت أخطاء نموذج المشي العشوائي هي ذات صلة أوتوكورلاتد، ربما يمكن إصلاح المشكلة عن طريق إضافة تأخر واحد من الاعتماد متغير إلى معادلة التنبؤ - أي من خلال التراجع عن الاختلاف الأول من Y على نفسها تخلفت بفترة واحدة وهذا من شأنه أن يسفر عن المعادلة التنبؤ التالية. التي يمكن إعادة ترتيبها إلى. هذا هو نموذج الانحدار الذاتي من الدرجة الأولى مع ترتيب واحد من اختلاف نونسونالونال ومدة ثابتة - أي أريما 1،1،0 نموذج. أريما 0،1،1 دون تمهيد أسي بسيط ثابت. هناك استراتيجية أخرى لتصحيح الأخطاء ذات الصلة في نموذج المشي العشوائي يقترحها نموذج تمهيد أسي بسيط تذكر أن لبعض السلاسل الزمنية غير المستقرة مثل تلك التي تظهر تقلبات صاخبة حول المتوسط ​​ببطء متغير، نموذج المشي العشوائي لا يؤدي فضلا عن المتوسط ​​المتحرك للقيم الماضية وبعبارة أخرى، بدلا من أخذ أحدث الملاحظة كما توقعات الملاحظة التالية، فمن الأفضل استخدام متوسط الملاحظات القليلة الأخيرة من أجل تصفية الضوضاء وتقدير أكثر دقة المتوسط ​​المحلي يستخدم نموذج التمهيد الأسي البسيط المتوسط ​​المتحرك المرجح أضعافا مضاعفة القيم السابقة لتحقيق هذا التأثير يمكن كتابة معادلة التنبؤ لنموذج تمهيد الأسي البسيط في عدد من الأشكال المكافئة رياضيا واحد منها هو ما يسمى شكل تصحيح الخطأ، الذي يتم تعديل التوقعات السابقة في اتجاه الخطأ جعلت. بسبب e t-1 y t-1 - t-1 بحكم التعريف، وهذا يمكن إعادة كتابة as. which هو أريما 0،1،1 - without ثابت معادلة التنبؤ مع 1 1 - وهذا يعني أنه يمكنك تناسب تمهيد أسي بسيط من خلال تحديده كنموذج أريما 0،1،1 بدون ثابت، ويقابل معامل ما 1 المقدر 1-ناقص ألفا في صيغة سيس تذكر أنه في نموذج سيس، متوسط ​​عمر البيانات في فإن توقعات الفترة السابقة هي 1 يعني أنها سوف تميل إلى التخلف عن الاتجاهات أو نقاط التحول بنحو 1 فترات ويترتب على ذلك أن متوسط ​​عمر البيانات في التوقعات قبل 1 فترة من قبل أريما 0،1،1 نموذج - without ثابت هو 1 1 - 1 لذلك، على سبيل المثال، إذا كان 1 0 8، متوسط ​​العمر هو 5 كما 1 نهج 1، يصبح أريما 0،1،1-بدون نموذج ثابت المتوسط ​​المتحرك جدا على المدى الطويل، وكما 1 نهج 0 يصبح نموذج المشي العشوائي دون الانجراف. ما هي أفضل طريقة لتصحيح للربط الذاتي بإضافة مصطلحات أر أو إضافة مصطلحات ما في النموذجين السابقين اللذين تمت مناقشتهما أعلاه، تم إصلاح مشكلة الأخطاء ذات الصلة في نموذج المشي العشوائي بطريقتين مختلفتين بإضافة قيمة متخلفة من السلسلة المختلفة إلى المعادلة أو إضافة قيمة متخلفة من الخطأ المتوقع أي النهج هو الأفضل قاعدة الإبهام لهذا الوضع، والتي سيتم مناقشتها بمزيد من التفصيل في وقت لاحق، هو أن الارتباط الذاتي الإيجابي عادة ما يعامل بشكل أفضل عن طريق إضافة مصطلح أر إلى النموذج وعادة ما يكون الترابط الذاتي السلبي أفضل يعامل عن طريق إضافة مصطلح ما في سلسلة الأعمال والوقت الاقتصادي، وغالبا ما تنشأ الارتباط الذاتي السلبي باعتباره قطعة أثرية من الاختلاف بشكل عام، الاختلاف يقلل من الارتباط الذاتي الإيجابي وربما حتى يسبب التحول من الإيجابية إلى السلبية أوتوكور ريلاتيون لذا، فإن نموذج أريما 0،1،1، الذي يكون فيه الاختلاف مصحوبا بمصطلح ما، غالبا ما يستخدم من أريما 1،1،0 موديل. أريما 0،1،1 مع تمهيد أسي بسيط ثابت مع النمو بي وتنفيذ نموذج سيس كنموذج أريما، كنت فعلا كسب بعض المرونة أولا وقبل كل شيء، يسمح معامل ما 1 المقدرة لتكون سلبية وهذا يتوافق مع عامل تمهيد أكبر من 1 في نموذج سيس، والتي عادة ما لا يسمح بها سيس نموذج الإجراء المناسب ثانيا، لديك خيار تضمين مصطلح ثابت في نموذج أريما إذا كنت ترغب في ذلك، من أجل تقدير متوسط ​​الاتجاه غير الصفر نموذج أريما 0،1،1 مع ثابت لديه معادلة التنبؤ. واحد فإن التنبؤات السابقة قبل هذا النموذج متشابهة نوعيا مع نموذج سيس، إلا أن مسار التنبؤات طويلة الأجل عادة ما يكون خطا منحدرا يساوي ميله مو بدلا من خط أفقي. أريما 0،2، 1 أو 0،2،2 دون ثابت خطي الأسي تمهيد لينيا r نماذج التمهيد الأسي هي نماذج أريما التي تستخدم اثنين من الاختلافات نونسوناسيونال بالتزامن مع شروط ما والفرق الثاني من سلسلة Y ليس مجرد الفرق بين Y وتخلف نفسها بفترتين، وإنما هو الفرق الأول من الفرق الأول - - أي التغيير في تغيير Y في الفترة t وهكذا، فإن الفرق الثاني Y في الفترة t يساوي Y t - Y t-1 - Y t-1 - Y t-2 Y t - 2Y t -1 Y t-2 الفرق الثاني لوظيفة منفصلة مشابه لمشتقة ثانية من دالة مستمرة يقيس التسارع أو الانحناء في الدالة عند نقطة معينة من الزمن. نموذج أريما 0،2،2 بدون توقع مستمر أن الفرق الثاني في السلسلة يساوي الدالة الخطية لآخر خطأين متوقعين. حيث يمكن إعادة ترتيبهما كما هما: 1 و 2 هما معاملات ما 1 و ما 2 هذا هو نموذج تمهيد أسي خطي عام أساسا نفس نموذج هولت s نموذج، ونموذج براون s هو حالة خاصة ويستخدم أضعافا مضاعفة هتد المتوسط ​​المتحرك لتقدير كل من المستوى المحلي والاتجاه المحلي في سلسلة والتوقعات على المدى الطويل من هذا النموذج تتلاقى إلى خط مستقيم يعتمد ميله على الاتجاه المتوسط ​​لوحظ نحو نهاية السلسلة. أريما 1،1،2 بدون تجانس ثابت خطي في الاتجاه الخطي الأسي. ويوضح هذا النموذج في الشرائح المصاحبة على نماذج أريما فإنه يستقلب الاتجاه المحلي في نهاية السلسلة ولكن يسطح بها في آفاق التنبؤ الأطول لإدخال ملاحظة المحافظة، وهي ممارسة لها الدعم التجريبي انظر المقال حول لماذا الاتجاه المخفف يعمل من قبل غاردنر و ماكنزي و المادة القاعدة الذهبية من قبل ارمسترونغ وآخرون للحصول على التفاصيل. ومن المستحسن عموما التمسك النماذج التي واحد على الأقل من p و q لا يزيد عن 1، أي لا تحاول أن تناسب نموذج مثل أريما 2،1،2، لأن هذا من المرجح أن يؤدي إلى الإفراط في العمل والقضايا عامل مشترك التي نوقشت بمزيد من التفصيل في الملاحظات على الهيكل الرياضي من نماذج أريما. سبريادشي t مثل النماذج المذكورة أعلاه سهلة التنفيذ على جدول بيانات معادلة التنبؤ هي مجرد معادلة خطية تشير إلى القيم السابقة للمسلسل الزمني الأصلي والقيم السابقة للأخطاء وهكذا، يمكنك إعداد جدول بيانات التنبؤ أريما بواسطة وتخزين البيانات في العمود ألف، وصيغة التنبؤ الواردة في العمود باء، وبيانات الأخطاء مطروحا منها التنبؤات الواردة في العمود "ج". إن صيغة التنبؤ في خلية نموذجية في العمود B ستكون مجرد تعبير خطي يشير إلى قيم في الصفوف السابقة من العمودين A و C ، مضروبا في أر المناسبة أو معاملات ما المخزنة في الخلايا في مكان آخر على جدول البيانات. التحرك المتوسط ​​المتحرك محاكاة أول أمر. يتم تعيين مظاهرة بحيث يتم استخدام نفس سلسلة عشوائية من النقاط بغض النظر عن كيفية الثوابت ومتنوعة ومع ذلك، عندما يتم الضغط على زر عشوائيا، سيتم إنشاء سلسلة عشوائية جديدة واستخدامها الحفاظ على سلسلة عشوائية متطابقة يسمح للمستخدم لمعرفة بالضبط الآثار على أرما سلسلة من التغييرات في الثوابت والثابت يقتصر على -1،1 لأن الاختلاف من نتائج سلسلة أرما عندما. الظاهرة هو لعملية الترتيب الأول فقط شروط أر إضافية تمكن سلسلة أكثر تعقيدا التي سيتم إنشاؤها، في حين إضافية ما من شأنه أن يزيد من التمهيد. للاطلاع على وصف مفصل لعمليات أرما، انظر، على سبيل المثال، G بوكس، جنرال موتورز جنكينز، و G راينزيل، والتسلسل الزمني تحليل التنبؤ والتحكم 3rd إد إنغلوود كليفس، نج برنتيس-هول، 1994.RELATED لينكس .