O que é o modelo Box-Jenkins?
O Modelo Box-Jenkins é um modelo matemático projetado para prever intervalos de dados com base nas entradas de uma série temporal especificada. O Modelo Box-Jenkins pode analisar muitos tipos diferentes de dados de séries temporais para previsão.
Sua metodologia usa diferenças entre os pontos de dados para determinar os resultados. A metodologia permite que o modelo identifique tendências usando regressão automática, médias móveis e diferenciação sazonal para gerar previsões. Os modelos de média móvel integrada autoregressiva (ARIMA) são uma forma do modelo Box-Jenkins. Os termos ARIMA e Box-Jenkins Model podem ser usados de forma intercambiável.
Principais Takeaways
- O Modelo Box-Jenkins é uma metodologia de previsão usando estudos de regressão. A metodologia é melhor usada como previsão calculada por computador com base em uma regressão de dados de séries temporais. É mais adequada para previsão dentro de prazos de 18 meses ou menos. Os cálculos do ARIMA são feitos com ferramentas sofisticadas, como software estatístico programável na linguagem de programação R.
Compreendendo o modelo Box-Jenkins
Os modelos Box-Jenkins são usados para prever uma variedade de pontos ou intervalos de dados previstos, incluindo dados comerciais e preços futuros de segurança.
O Modelo Box-Jenkins foi criado por dois matemáticos George Box e Gwilym Jenkins. Os dois matemáticos discutiram os conceitos que compõem esse modelo em uma publicação de 1970 "Análise de séries temporais: previsão e controle".
As estimativas dos parâmetros do modelo Box-Jenkins podem ser muito complicadas. Portanto, semelhante a outros modelos de regressão de séries temporais, os melhores resultados geralmente serão alcançados através do uso de software programável. O Modelo Box-Jenkins também é geralmente mais adequado para previsões de curto prazo de 18 meses ou menos.
Metodologia Box-Jenkins
O Modelo Box-Jenkins é um dos vários modelos de análise de séries temporais que um meteorologista encontrará ao usar um software de previsão programado. Em muitos casos, o software será programado para usar automaticamente a melhor metodologia de previsão de ajuste com base nos dados de séries temporais a serem previstos. É relatado que a Box-Jenkins é a melhor opção para conjuntos de dados que são praticamente estáveis com baixa volatilidade.
O Modelo Box-Jenkins prevê dados usando três princípios: auto-regressão, diferenciação e média móvel. Esses três princípios são conhecidos como p, d e q, respectivamente. Cada princípio é usado na análise de Box-Jenkins e juntos são mostrados coletivamente como ARIMA (p, d, q).
O processo de auto-regressão (p) testa os dados quanto ao seu nível de estacionariedade. Se os dados utilizados estiverem estacionários, poderá simplificar o processo de previsão. Se os dados utilizados não forem estacionários, será necessário diferenciar (d). Os dados também são testados quanto ao seu ajuste de média móvel, que é feito na parte q do processo de análise. No geral, a análise inicial dos dados a prepara para a previsão, determinando os parâmetros (p, d e q) que são aplicados para desenvolver uma previsão.
Previsão de preços das ações
Um uso para a análise do modelo Box-Jenkins é prever os preços das ações. Essa análise é tipicamente criada e codificada através do software R. A análise resulta em um resultado logarítmico que pode ser aplicado ao conjunto de dados para gerar os preços previstos por um período especificado no futuro.
