Бок-Јенкинс модел Дефиниција

Шта је Бок-Јенкинс модел?

Бок-Јенкинс модел је математички модел дизајниран за предвиђање опсега података на основу улаза из одређене временске серије. Бок-Јенкинс модел може анализирати неколико различитих типова података о временским серијама у сврху предвиђања.

Његова методологија користи разлике између података за одређивање исхода. Методологија омогућава моделу да идентификује трендове користећи ауторегресију, покретне просеке и сезонско разликовање за генерисање прогноза.

Модели са ауторегресивним интегрисаним покретним просеком (АРИМА) су облик Бок-Јенкинс модела. Термини АРИМА и Бок-Јенкинс се понекад користе наизменично.

Разумевање Бок-Јенкинс модела

Бок-Јенкинс модели се користе за предвиђање разне предвиђене тачке података или опсези података, укључујући пословне податке и будуће цене безбедности.

Модел Бок-Јенкинс креирали су два математичара: Георге Бок и Гвилим Јенкинс. Двојица математичара расправљали су о концептима који чине овај модел у публикацији из 1970. под називом "Анализа временских серија: Предвиђање и контрола".

Процене параметара Бок-Јенкинс модела могу бити веома компликоване. Стога ће се, слично другим регресионим моделима временских серија, најбољи резултати обично постићи употребом програмабилног софтвера. Бок-Јенкинс модел је такође генерално најприкладнији за краткорочно предвиђање од 18 месеци или мање.

Бок-Јенкинс методологија

Бок-Јенкинс модел може бити један од неколико модела анализе временских серија са којима ће се прогнозер сусрести када користи програмирани софтвер за предвиђање. У многим случајевима софтвер ће бити програмиран да аутоматски користи најбољу методологију предвиђања засновану на временске серије подаци који се предвиђају. Бок-Јенкинс је, како се извештава, најбољи избор за скупове података који су углавном стабилни и имају ниску вредност нестабилност.

Бок-Јенкинс модел предвиђа податке користећи три принципа: ауторегресију, разликовање и покретни просек. Ова три принципа су позната као п, д и к, респективно. Сваки принцип се користи у Бок-Јенкинс анализи; заједно су заједно приказани као АРИМА (п, д, к).

Процес ауторегресије (п) тестира податке на њихов ниво стационарности. Ако су подаци који се користе стационарни, то може поједноставити процес предвиђања. Ако су подаци који се користе нестационарни, морат ће се разликовати (д). Подаци се такође тестирају на усклађеност покретног просека (што се ради у делу к процеса анализе). Све у свему, почетна анализа података припрема их за предвиђање одређивањем параметара (п, д и к), који се затим примењују за израду прогнозе.

Ауторегресивни интегрисани покретни просек (АРИМА)

Бок-Јенкинс је тип ауторегресивног интегрисаног покретног просека (АРИМА) модел који мери снагу једне зависне променљиве у односу на друге променљиве. Циљ модела је предвиђање будућих кретања вриједносних папира или кретања на финансијском тржишту испитивањем разлика између вриједности у серији умјесто кроз стварне вриједности.

АРИМА модел се може разумети описивањем сваке његове компоненте на следећи начин:

• Ауторегресија (АР): се односи на модел који приказује променљиву променљиву која се сама регресира са заосталим или претходним вредностима.
• Интегрисано (И): представља разликовање сирових запажања како би се омогућило да временске серије постану стационарне, односно, вредности података се замењују разликом између вредности података и претходних вредности.
• Покретни просек (МА): укључује зависност између посматрања и заостале грешке из модела покретног просека примењеног на заостала посматрања.

Предвиђање цена акција

Једна од метода за анализу Бок-Јенкинс модела је предвиђање акција цене. Ова анализа се обично гради и кодира помоћу софтвера Р. Анализа резултира логаритамским исходом, који се може применити на скуп података за генерисање предвиђених цена за одређени временски период у будућности.

АРИМА модели засновани су на претпоставци да прошле вредности имају неки преостали ефекат на садашње или будуће вредности. На пример, инвеститор који користи АРИМА модел за предвиђање цена акција претпоставља да ће нови купци и продавци те акције су под утицајем недавних тржишних трансакција када се одлучује колико ће се понудити или прихватити за хартију од вредности.

Иако ће се ова претпоставка одржати под много различитих околности, није увек тачна. На пример, у годинама пре Финансијска криза 2008, већина инвеститора није била свесна ризика које представљају велики портфолији хипотекарне хартије од вредности (МБС) у власништву многих финансијских компанија.

У то време, инвеститор који користи ауторегресивни модел за предвиђање перформанси америчких финансија акције би имале добар разлог за предвиђање текућег тренда стабилних или растућих цена акција сектор. Међутим, када је јавности постало познато да су многе финансијске институције у опасности од непосредног колапса, улагачи одједном су постали мање забринути због недавних цена ових акција и далеко више због њиховог основног ризика изложеност.

Стога је тржиште брзо ревалоризовало финансијске акције на много нижи ниво, што је потез који би потпуно збунио ауторегресивни модел.