ARIMA模型

來自 搜狐網 的圖片

ARIMA模型是中國的一個科技名詞術語。

漢字是世界上獨一無二的方塊字，是世界上最典雅、最俊美的文字。四角方方，大氣承當。四平八穩，神州永昌。她講究字體的間架結構，平衡布局。也講求字形的沉穩厚重，大氣端莊。橫要平豎則直，切不可頭重腳輕根底輕飄。

目錄

名詞解釋

ARIMA模型全稱為自回歸移動平均模型(Autoregressive Integrated Moving Average Model,簡記ARIMA)，是由博克思(Box)和詹金斯(Jenkins)於70年代初提出的一著名時間序列預測方法，所以又稱為box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）稱為差分自回歸移動平均模型，AR是自回歸, p為自回歸項; MA為移動平均，q為移動平均項數，d為時間序列成為平穩時所做的差分次數。

ARIMA模型的基本思想

ARIMA模型的基本思想是：將預測對象隨時間推移而形成的數據序列視為一個隨機序列，用一定的數學模型來近似描述這個序列。這個模型一旦被識別後就可以從時間序列的過去值及現在值來預測未來值。現代統計方法、計量經濟模型在某種程度上已經能夠幫助企業對未來進行預測。

ARIMA模型預測的基本程序

（一）根據時間序列的散點圖、自相關函數和偏自相關函數圖以ADF單位根檢驗其方差、趨勢及其季節性變化規律，對序列的平穩性進行識別。一般來講，經濟運行的時間序列都不是平穩序列。

（二）對非平穩序列進行平穩化處理。如果數據序列是非平穩的，並存在一定的增長或下降趨勢，則需要對數據進行差分處理，如果數據存在異方差，則需對數據進行技術處理，直到處理後的數據的自相關函數值和偏相關函數值無顯著地異於零。

（三）根據時間序列模型的識別規則，建立相應的模型。若平穩序列的偏相關函數是截尾的，而自相關函數是拖尾的，可斷定序列適合AR模型；若平穩序列的偏相關函數是拖尾的，而自相關函數是截尾的，則可斷定序列適合MA模型；若平穩序列的偏相關函數和自相關函數均是拖尾的，則序列適合ARMA模型。

（四）進行參數估計，檢驗是否具有統計意義。

（五）進行假設檢驗，診斷殘差序列是否為白噪聲。

（六）利用已通過檢驗的模型進行預測分析。