Apa itu Moving Average Terpadu Autoregresif?
Rata-rata bergerak terpadu yang autoregresif, atau ARIMA, adalah model analisis statistik yang menggunakan data deret waktu untuk lebih memahami kumpulan data atau untuk memprediksi tren masa depan.
Memahami Average Moving Average Terpadu Autoregresif (ARIMA)
Model moving average terintegrasi autoregresif adalah bentuk analisis regresi yang mengukur kekuatan satu variabel dependen relatif terhadap variabel perubahan lainnya. Tujuan model adalah untuk memprediksi efek masa depan atau pergerakan pasar keuangan dengan memeriksa perbedaan antara nilai-nilai dalam seri daripada melalui nilai-nilai aktual.
Model ARIMA dapat dipahami dengan menguraikan masing-masing komponennya sebagai berikut:
- Autoregression (AR) mengacu pada model yang menunjukkan variabel yang berubah yang mengalami kemunduran pada nilai lagged atau sebelumnya sendiri. Terintegrasi (I) mewakili perbedaan pengamatan mentah untuk memungkinkan deret waktu menjadi stasioner, yaitu, nilai data digantikan oleh perbedaan antara nilai data dan nilai sebelumnya. Moving average (MA) menggabungkan ketergantungan antara pengamatan dan kesalahan residual dari model rata-rata bergerak yang diterapkan untuk pengamatan yang tertinggal.
Setiap komponen berfungsi sebagai parameter dengan notasi standar. Untuk model ARIMA, notasi standar adalah ARIMA dengan p, d, dan q, di mana nilai integer menggantikan parameter untuk menunjukkan jenis model ARIMA yang digunakan. Parameter dapat didefinisikan sebagai:
- p : jumlah observasi lag dalam model; juga dikenal sebagai lag order. d : berapa kali pengamatan mentah dibedakan; juga dikenal sebagai derajat differencing.q: ukuran jendela rata-rata bergerak; juga dikenal sebagai urutan moving average.
Dalam model regresi linier, misalnya, jumlah dan jenis istilah disertakan. Nilai 0, yang dapat digunakan sebagai parameter, akan berarti bahwa komponen tertentu tidak boleh digunakan dalam model. Dengan cara ini, model ARIMA dapat dibangun untuk menjalankan fungsi model ARMA, atau bahkan model AR, I, atau MA yang sederhana.
Autoregressive Integrated Moving Average dan Stationaritas
Dalam model moving average terintegrasi autoregresif, data dibedakan untuk membuatnya stasioner. Model yang menunjukkan stasioneritas adalah model yang menunjukkan ada keteguhan terhadap data dari waktu ke waktu. Sebagian besar data ekonomi dan pasar menunjukkan tren, sehingga tujuan pembedaan adalah untuk menghilangkan tren atau struktur musiman apa pun.
Musiman, atau ketika data menunjukkan pola reguler dan dapat diprediksi yang berulang selama satu tahun kalender, dapat memengaruhi model regresi secara negatif. Jika tren muncul dan stasioneritas tidak jelas, banyak perhitungan di seluruh proses tidak dapat dibuat dengan kemanjuran yang besar.
