میانگین متحرک یکپارچه اتورگرسیو ARIMA

میانگین متحرک یکپارچه اتورگرسیو یا ARIMA یک مدل تحلیل آماری است که از داده های سری زمانی برای درک بهتر مجموعه داده ها یا پیش بینی روندهای آینده استفاده می کند.

میانگین متحرک یکپارچه اتورگرسیو (ARIMA) چیست؟

یک مدل آماری در صورتی که ارزش های آینده را بر اساس مقادیر گذشته پیش بینی کند، خودرگرسیون است. به عنوان مثال، یک مدل ARIMA ممکن است به دنبال پیش‌بینی قیمت‌های آتی سهام بر اساس عملکرد گذشته آن باشد یا سود یک شرکت را بر اساس دوره‌های گذشته پیش‌بینی کند.

نکات کلیدی

• مدل‌های میانگین متحرک یکپارچه خودرگرسیون (ARIMA) مقادیر آینده را بر اساس مقادیر گذشته پیش‌بینی می‌کنند.
• ARIMA از میانگین متحرک عقب افتاده برای صاف کردن داده های سری زمانی استفاده می کند.
• آنها به طور گسترده ای در تجزیه و تحلیل فنی برای پیش بینی قیمت های امنیتی آینده استفاده می شوند.
• مدل های خودرگرسیون به طور ضمنی فرض می کنند که آینده شبیه گذشته خواهد بود.
• بنابراین، آنها می توانند در شرایط خاص بازار، مانند بحران های مالی یا دوره های تغییرات سریع فناوری، نادرست باشند.