[Statistical Analysis Model][Time Series Data] ARIMA (Autoregressive Integrated Moving Average)

ARIMA (Autoregressive Integrated Moving Average)

시계열 데이터(time series data)를 사용하여 데이터 세트를 더 잘 이해하거나 미래 추세를 예측하는 통계 분석 모델

 

Autoregressive Integrated Moving Average (ARIMA) model is a typical time series model, which can transform non-stationary data to stationary data through differencing, and then forecast the next value by using the past values, including the lagged values and lagged forecast errors

ARIMA(Autoregressive Integrated Moving Average) 모델은 차분을 통해 비정상 데이터를 정상 데이터로 변환한 후 시차 값 및 시차 예측 오차를 포함한 과거 값을 사용하여 다음 값을 예측할 수 있는 일반적인 시계열 모델입니다.

 

과거 값을 기반으로 미래 값을 예측하는 경우 통계 모델은 자기회귀적(autoregressive) 모델이다.

예를 들어, ARIMA 모델은 과거 실적을 기반으로 주식의 미래 가격을 예측하거나 과거 기간을 기반으로 회사의 수익을 예측하려고 할 수 있다.

 

---

KEY TAKEAWAYS

• Autoregressive integrated moving average (ARIMA) models predict future values based on past values.
• ARIMA makes use of lagged moving averages to smooth time series data.
• They are widely used in technical analysis to forecast future security prices.
• Autoregressive models implicitly assume that the future will resemble the past.
• Therefore, they can prove inaccurate under certain market conditions, such as financial crises or periods of rapid technological change.

---

ARIMA 구성 요소

autoregressive integrated moving average (자기회귀 통합 이동 평균) 모델은 다른 변화하는 변수와 비교하여 한 종속 변수의 강도를 측정하는 regression analysis (회귀 분석)의 한 형태

모델의 목표는 실제값 대신 series 값 간의 차이를 조사하여 미래 증권 또는 금융 시장 움직임을 예측하는 것

 

Autoregression (AR)

refers to a model that shows a changing variable that regresses on its own lagged, or prior, values

자체 지연 또는 이전 값으로 회귀하는 변화하는 변수를 보여주는 모델을 나타낸다.

 

Integrated (I)

represents the differencing of raw observations to allow for the time series to become stationary (i.e., data values are replaced by the difference between the data values and the previous values).

시계열이 정상이 되도록 하는 원시 관측값의 차분을 나타낸다. (즉, 데이터 값이 데이터 값과 이전 값 간의 차이로 대체됨).

 

Moving Average (MA)

incorporates the dependency between an observation and a residual error from a moving average model applied to lagged observations.

지연된 관찰에 적용된 이동 평균 모델의 잔차 오차와 관찰 간의 종속성을 통합한다.

 

 

Time Series Models (AR, MA, ARMA, ARIMA)

https://towardsdatascience.com/time-series-models-d9266f8ac7b0

Time Series Models

 

ARIMA Parameters

• p: the number of lag observations in the model; also known as the lag order.
• d: the number of times that the raw observations are differenced; also known as the degree of difference.
• q: the size of the moving average window; also known as the order of the moving average.

 

 

---

References

• https://www.investopedia.com/terms/a/autoregressive-integrated-moving-average-arima.asp