متوسط الفيديو المتحرك للانحدار الذاتي

متوسط الفيديو المتحرك للانحدار الذاتي

لجان الخيارات سكوتريد
فوركس سكالبر برو
خيارات العملة البورصة فيلادلفيا


الحسد - روبوت الفوركس تداول شنغهاي فوركس اكسبو 2013 الفوركس باليكبيان مربع تتبع على الانترنت ، الفوركس التداول التجريبي حساب إشارة الفوركس تداول وكلاء الفوركس في أحمد آباد

مقدمة إلى أريما: النماذج غير التقليدية أريما (p، d، q) التنبؤ بالمعادلة: نماذج أريما هي، من الناحية النظرية، الفئة الأكثر عمومية من النماذج للتنبؤ بسلسلة زمنية يمكن أن تكون 8220stationary8221 عن طريق الاختلاف (إذا لزم الأمر)، ربما جنبا إلى جنب مع التحولات غير الخطية مثل قطع الأشجار أو تفريغ (إذا لزم الأمر). المتغير العشوائي الذي هو عبارة عن سلسلة زمنية ثابت إذا كانت خصائصه الإحصائية ثابتة على مر الزمن. سلسلة ثابتة لا يوجد لديه اتجاه، والاختلافات حول المتوسط ​​لها اتساع مستمر، وأنه يتلوى بطريقة متسقة. أي أن أنماطها الزمنية العشوائية القصيرة الأجل تبدو دائما بنفس المعنى الإحصائي. ويعني الشرط الأخير أن علاقاته الذاتية (الارتباطات مع انحرافاته السابقة عن المتوسط) تظل ثابتة على مر الزمن، أو على نحو مكافئ، أن طيف القدرة لا يزال ثابتا على مر الزمن. ويمكن أن ينظر إلى متغير عشوائي لهذا النموذج (كالمعتاد) على أنه مزيج من الإشارة والضوضاء، والإشارة (إذا كانت ظاهرة) يمكن أن تكون نمطا للانعكاس السريع أو البطيء، أو التذبذب الجيبية أو بالتناوب السريع في الإشارة ، ويمكن أن يكون لها أيضا عنصر موسمي. ويمكن النظر إلى نموذج أريما على أنه 8220filter8221 يحاول فصل الإشارة عن الضوضاء، ومن ثم يتم استقراء الإشارة إلى المستقبل للحصول على التنبؤات. ومعادلة التنبؤ أريما لسلسلة زمنية ثابتة هي معادلة خطية (أي الانحدار من نوع) تكون فيها المتنبؤات متخلفة عن المتغير التابع والتخلفات المتراكمة في أخطاء التنبؤ. وهذا هو: القيمة المتوقعة ل Y قيمة ثابتة ومرجحة لقيمة واحدة أو أكثر من القيم الأخيرة Y ومجموع مرجح لقيمة أو أكثر من القيم الأخيرة للأخطاء. إذا كانت المتنبئات تتكون فقط من قيم متخلفة من Y. هو نموذج الانحدار الذاتي النقي (8220self-regressed8221) النموذج، وهو مجرد حالة خاصة من نموذج الانحدار والتي يمكن تركيبها مع برامج الانحدار القياسية. على سبيل المثال، نموذج الانحدار الذاتي الأول (8220AR (1) 8221) ل Y هو نموذج انحدار بسيط يتغير فيه المتغير المستقل فقط بفترة واحدة (لاغ (Y، 1) في ستاتغرافيكس أو YLAG1 في ريجرسيت). إذا كان بعض المتنبؤات متخلفة من الأخطاء، وهو نموذج أريما فإنه ليس نموذج الانحدار الخطي، لأنه لا توجد طريقة لتحديد 8220 فترة قصيرة 8217s error8221 كمتغير مستقل: يجب أن تحسب الأخطاء على أساس فترة إلى فترة عندما يتم تركيب النموذج على البيانات. ومن وجهة نظر تقنية، فإن مشكلة استخدام الأخطاء المتأخرة كمنبئات هي أن التنبؤات النموذجية 8217s ليست وظائف خطية للمعاملات. رغم أنها وظائف خطية للبيانات السابقة. لذلك، يجب تقدير المعاملات في نماذج أريما التي تتضمن أخطاء متخلفة بطرق التحسين اللاخطي (8220hill-التسلق 8221) بدلا من مجرد حل نظام المعادلات. اختصار أريما لتقف على السيارات والانحدار المتكامل المتحرك المتوسط. ويطلق على الفترات المتأخرة في السلسلة المستقرة في معادلة التنبؤ مصطلحات كوتورغريسغريسيفيكوت، ويطلق على "أخطاء أخطاء التنبؤ" مصطلح "متوسط ​​التكلفة"، ويقال إن السلسلة الزمنية التي يجب أن تكون مختلفة لتكون ثابتة، هي نسخة متقاربة من سلسلة ثابتة. نماذج المشي العشوائي ونماذج الاتجاه العشوائي، ونماذج الانحدار الذاتي، ونماذج التجانس الأسي كلها حالات خاصة لنماذج أريما. ويصنف نموذج أريما نوناسونال على أنه نموذج كوتاريما (p، d، q) كوت حيث: p هو عدد مصطلحات الانحدار الذاتي، d هو عدد الاختلافات غير الموسمية اللازمة للاستبانة، و q هو عدد الأخطاء المتوقعة في التنبؤات معادلة التنبؤ. يتم بناء معادلة التنبؤ على النحو التالي. أولا، اسمحوا y تدل على الفرق د من Y. مما يعني: لاحظ أن الفرق الثاني من Y (حالة d2) ليس الفرق من 2 منذ فترات. بدلا من ذلك، هو الفرق الأول من الأول الفرق. وهو التناظرية منفصلة من مشتق الثاني، أي تسارع المحلي للسلسلة بدلا من الاتجاه المحلي. من حيث y. معادلة التنبؤ العامة هي: هنا يتم تعريف المعلمات المتوسطة المتحركة (9528217s) بحيث تكون علاماتها سلبية في المعادلة، وفقا للاتفاقية التي قدمها بوكس ​​وجينكينز. بعض الكتاب والبرمجيات (بما في ذلك لغة البرمجة R) تعريفها بحيث لديهم علامات زائد بدلا من ذلك. عندما يتم توصيل الأرقام الفعلية في المعادلة، لا يوجد أي غموض، ولكن من المهم أن نعرف 8217s الاتفاقية التي يستخدمها البرنامج الخاص بك عندما كنت تقرأ الإخراج. في كثير من الأحيان يتم الإشارة إلى المعلمات هناك من قبل أر (1)، أر (2)، 8230، و ما (1)، ما (2)، 8230 الخ لتحديد نموذج أريما المناسب ل Y. تبدأ من خلال تحديد ترتيب الاختلاف (د) الحاجة إلى توثيق السلسلة وإزالة الخصائص الإجمالية للموسمية، ربما بالاقتران مع تحول استقرار التباين مثل قطع الأشجار أو الانقسام. إذا كنت تتوقف عند هذه النقطة والتنبؤ بأن سلسلة ديفيرنتد ثابت، لديك مجرد تركيب المشي العشوائي أو نموذج الاتجاه العشوائي. ومع ذلك، قد لا تزال السلسلة المستقرة ذات أخطاء ذات علاقة ذاتية، مما يوحي بأن هناك حاجة إلى بعض المصطلحات أر (p 8805 1) أندور بعض مصطلحات ما (q 8805 1) في معادلة التنبؤ. ستتم مناقشة عملية تحديد قيم p و d و q الأفضل لسلسلة زمنية معينة في الأقسام اللاحقة من الملاحظات (التي توجد روابطها في أعلى هذه الصفحة)، ولكن معاينة لبعض الأنواع من نماذج أريما نونسونالونال التي تواجه عادة ما يرد أدناه. أريما (1،0،0) من الدرجة الأولى نموذج الانحدار الذاتي: إذا كانت السلسلة ثابتة و أوتوكوريلاتد، وربما يمكن التنبؤ بها باعتبارها متعددة من قيمتها السابقة، بالإضافة إلى ثابت. معادلة التنبؤ في هذه الحالة هي 8230 الذي يتراجع Y على نفسه متأخرا بفترة واحدة. هذا هو 8220ARIMA (1،0،0) ثابت 8221 نموذج. إذا كان متوسط ​​Y هو الصفر، فإن المصطلح الثابت لن يتم تضمينه. إذا كان معامل الانحدار 981 1 موجبا وأقل من 1 في الحجم (يجب أن يكون أقل من 1 من حيث الحجم إذا كان Y ثابتا)، يصف النموذج سلوك التراجع المتوسط ​​الذي ينبغي التنبؤ فيه بقيمة 8217s للفترة التالية لتكون 981 1 مرة بعيدا عن متوسط ​​هذه الفترة قيمة 8217s. وإذا كان 981 1 سلبيا، فإنه يتنبأ بسلوك التراجع عن طريق تبديل الإشارات، أي أنه يتوقع أيضا أن يكون Y أقل من متوسط ​​الفترة التالية إذا كان أعلى من متوسط ​​هذه الفترة. في نموذج الانحدار الذاتي من الدرجة الثانية (أريما (2،0،0))، سيكون هناك مصطلح T-2 على اليمين كذلك، وهكذا. واعتمادا على علامات ومقدار المعاملات، يمكن أن يصف نموذج أريما (2،0،0) نظاما له انعكاس متوسط ​​يحدث بطريقة تتأرجح جيبيا، مثل حركة الكتلة في فصل الربيع الذي يتعرض للصدمات العشوائية . أريما (0،1،0) المشي العشوائي: إذا كانت السلسلة Y ليست ثابتة، أبسط نموذج ممكن لذلك هو نموذج المشي العشوائي، والتي يمكن اعتبارها حالة الحد من نموذج أر (1) التي الانتكاس الذاتي معامل يساوي 1، أي سلسلة مع بلا حدود بطيئة متوسط ​​الانعكاس. ويمكن كتابة معادلة التنبؤ لهذا النموذج على النحو التالي: حيث يكون المصطلح الثابت هو متوسط ​​التغير من فترة إلى أخرى (أي الانجراف الطويل الأجل) في Y. ويمكن تركيب هذا النموذج كنموذج انحدار لا اعتراض يقوم فيه الفرق الأول من Y هو المتغير التابع. وبما أنه يشمل (فقط) اختلافا غير منطقي ومدة ثابتة، فإنه يصنف على أنه نموذج كوتاريما (0،1،0) مع ثابت.كوت نموذج المشي العشوائي بدون الانجراف سيكون أريما (0،1، 0) نموذج بدون نموذج أريسترجيسد من الدرجة الأولى (1-1،0): إذا كانت أخطاء نموذج المشي العشوائي مترابطة تلقائيا، ربما يمكن إصلاح المشكلة بإضافة فاصل واحد للمتغير التابع إلى معادلة التنبؤ -أي وذلك بتراجع الفارق الأول من Y على نفسه متأخرا بفترة واحدة. وهذا من شأنه أن يسفر عن معادلة التنبؤ التالية: التي يمكن إعادة ترتيبها إلى هذا هو نموذج الانحدار الذاتي من الدرجة الأولى مع ترتيب واحد من اختلاف غير منطقي ومدة ثابتة - أي. وهو نموذج أريما (1،1،0). أريما (0،1،1) دون تمهيد الأسي المستمر المستمر: اقترح استراتيجية أخرى لتصحيح الأخطاء أوتوكوريلاتد في نموذج المشي العشوائي من قبل نموذج تمهيد الأسي بسيط. تذكر أنه بالنسبة لبعض السلاسل الزمنية غير المستقرة (على سبيل المثال تلك التي تظهر تقلبات صاخبة حول متوسط ​​متغير ببطء)، فإن نموذج المشي العشوائي لا يؤدي كذلك إلى المتوسط ​​المتحرك للقيم السابقة. وبعبارة أخرى، فبدلا من أخذ الملاحظة الأخيرة كتوقعات الملاحظة التالية، من الأفضل استخدام متوسط ​​الملاحظات القليلة الأخيرة من أجل تصفية الضوضاء وتقدير المتوسط ​​المحلي بدقة أكبر. يستخدم نموذج التمهيد الأسي البسيط المتوسط ​​المتحرك المرجح أضعافا مضاعفة للقيم السابقة لتحقيق هذا التأثير. يمكن كتابة معادلة التنبؤ لنموذج التمهيد الأسي البسيط في عدد من الأشكال المكافئة رياضيا. واحد منها هو ما يسمى 8220 خطأ التصحيح 8221 النموذج، الذي يتم تعديل التوقعات السابقة في اتجاه الخطأ الذي قدمه: لأن ه ر - 1 ذ ر - 1 - 374 ر - 1 حسب التعريف، يمكن إعادة كتابة هذا كما في : وهو أريما (0،1،1) مع معادلة التنبؤ المستمر مع 952 1 1 - 945. وهذا يعني أنه يمكنك تناسب تمهيد الأسي بسيط من خلال تحديده باعتباره نموذج أريما (0،1،1) دون ثابت، ويقدر معامل ما (1) المقدر 1-ناقص ألفا في صيغة سيس. نذكر أن متوسط ​​عمر البيانات في التنبؤات قبل فترة واحدة هو 945 1 في نموذج سيس، وهذا يعني أنها سوف تميل إلى التخلف عن الاتجاهات أو نقاط التحول بنحو 1 945 فترات. ويترتب على ذلك أن متوسط ​​عمر البيانات في التنبؤات السابقة بفترة زمنية واحدة لنموذج أريما (0،1،1) بدون نموذج ثابت هو 1 (1 - 952 1). إذا، على سبيل المثال، إذا كان 952 1 0.8، متوسط ​​العمر هو 5. كما 952 1 النهج 1، يصبح النموذج أريما (0،1،1) بدون ثابت متوسط ​​متحرك طويل الأجل جدا، و 952 1 النهج 0 يصبح نموذج المشي العشوائي دون الانجراف. ما هو أفضل طريقة لتصحيح الارتباط الذاتي: إضافة المصطلحات أر أو إضافة مصطلحات ما في النموذجين السابقين نوقش أعلاه، تم إصلاح مشكلة أخطاء أوتوكوريلاتد في نموذج المشي العشوائي بطريقتين مختلفتين: عن طريق إضافة قيمة متخلفة من سلسلة مختلفة إلى المعادلة أو إضافة قيمة متأخرة لخطأ التنبؤ. النهج الذي هو أفضل قاعدة من الإبهام لهذا الوضع، والتي سيتم مناقشتها بمزيد من التفصيل في وقت لاحق، هو أن الارتباط الذاتي الإيجابي عادة ما يعامل بشكل أفضل عن طريق إضافة مصطلح أر إلى النموذج وعادة ما يعامل الارتباط الذاتي السلبي عن طريق إضافة ما المدى. في سلسلة الأعمال والاقتصاد الزمني، وغالبا ما تنشأ الارتباط الذاتي السلبي باعتباره قطعة أثرية من الاختلاف. (بشكل عام، يقلل الاختلاف من الارتباط الذاتي الإيجابي وربما يتسبب في التحول من الارتباط الذاتي الموجب إلى السالب). لذلك، فإن نموذج أريما (0،1،1)، الذي يكون فيه الاختلاف مصحوبا بمصطلح ما، غالبا ما يستخدم من أريما (1،1،0) نموذج. أريما (0،1،1) مع تمهيد الأسي المستمر المستمر مع النمو: من خلال تنفيذ نموذج سيس كنموذج أريما، كنت في الواقع كسب بعض المرونة. أولا وقبل كل شيء، ويسمح معامل ما (1) المقدرة لتكون سلبية. وهذا يقابل عامل تمهيد أكبر من 1 في نموذج سيس، وهو ما لا يسمح به عادة إجراء تركيب نموذج سيس. ثانيا، لديك خيار إدراج مدة ثابتة في نموذج أريما إذا كنت ترغب في ذلك، من أجل تقدير متوسط ​​الاتجاه غير الصفر. ويشتمل نموذج أريما (0،1،1) الثابت على معادلة التنبؤ: إن التنبؤات ذات الفترة الواحدة من هذا النموذج متشابهة نوعيا مع نماذج نموذج سيس، إلا أن مسار التنبؤات الطويلة الأجل عادة ما يكون (المنحدر يساوي مو) بدلا من خط أفقي. أريما (0،2،1) أو (0،2،2) دون تمهيد أسي خطية ثابتة: نماذج التجانس الأسية الخطية هي نماذج أريما التي تستخدم اثنين من الاختلافات نونسوناسونال بالتزامن مع الشروط ما. والفرق الثاني لسلسلة Y ليس مجرد الفرق بين Y وتخلف نفسها بفترتين، وإنما هو الفرق الأول من الاختلاف الأول - أي. التغيير في تغيير Y في الفترة t. وبالتالي، فإن الفارق الثاني من Y في الفترة t يساوي (Y t - Y t-1) - (Y t-1 - Y t-2) Y t - 2Y t-1 Y t-2. والفرق الثاني من الدالة المنفصلة يشبه مشتق ثان من دالة مستمرة: يقيس الدالة كوتاكسيليركوت أو كوتكورفاتوريكوت في الدالة عند نقطة معينة من الزمن. ويتنبأ نموذج أريما (0،2،2) دون توقع ثابت بأن الفارق الثاني من السلسلة يساوي دالة خطية لآخر خطأين متوقعين: يمكن إعادة ترتيبهما على النحو التالي: حيث يكون 952 1 و 952 2 هما (1) و ما (2) معاملات. هذا هو نموذج التجانس الأسي العام الخطية. أساسا نفس نموذج Holt8217s، و Brown8217s نموذج هو حالة خاصة. ويستخدم المتوسطات المتحركة المرجح أضعافا مضاعفة لتقدير كل من المستوى المحلي والاتجاه المحلي في هذه السلسلة. تتلاقى التوقعات على المدى الطويل من هذا النموذج مع خط مستقيم يعتمد ميله على متوسط ​​الاتجاه الملحوظ نحو نهاية السلسلة. أريما (1،1،2) دون ثابت خطي الاتجاه الاتجاه الأسي تمهيد. ويوضح هذا النموذج في الشرائح المصاحبة على نماذج أريما. فإنه يستقلب الاتجاه المحلي في نهاية السلسلة ولكن تسطح بها في آفاق التنبؤ أطول لإدخال مذكرة من المحافظة، وهي الممارسة التي لديها الدعم التجريبي. انظر المقال على كوهي في ذي تريند تريند وركسكوت غاردنر أند ماكنزي أند ذي كوغولدن رولكوت أرتيسترونغ إت آل. للتفاصيل. فمن المستحسن عموما التمسك النماذج التي لا يقل عن واحد من p و q لا يزيد عن 1، أي لا تحاول أن تناسب نموذج مثل أريما (2،1،2)، وهذا من المرجح أن يؤدي إلى الإفراط في تجهيز وكومكومون-فاكتوركوت القضايا التي نوقشت بمزيد من التفصيل في الملاحظات على الهيكل الرياضي لنماذج أريما. تنفيذ جدول البيانات: من السهل تنفيذ نماذج أريما مثل تلك الموضحة أعلاه على جدول بيانات. ومعادلة التنبؤ هي مجرد معادلة خطية تشير إلى القيم السابقة للسلاسل الزمنية الأصلية والقيم السابقة للأخطاء. وهكذا، يمكنك إعداد جدول بيانات تنبؤ أريما عن طريق تخزين البيانات في العمود ألف، وصيغة التنبؤ في العمود باء، والأخطاء (البيانات ناقص التنبؤات) في العمود C. وستكون صيغة التنبؤ في خلية نموذجية في العمود باء ببساطة تعبير خطي يشير إلى القيم في الصفوف السابقة من العمودين A و C مضروبا في معاملات أر أو ما المناسبة المخزنة في خلايا أخرى في جدول البيانات (متوقفة) التنبؤ - الانحدار الذاتي المتوسط ​​المتحرك المتكامل (أريما) يتم إنهاء خدمة داتاماركيت ل ميكروسوفت و تم إيقاف استخدام واجهة برمجة التطبيقات هذه. وتنفذ هذه الخدمة المتوسط ​​المتحرك المتكامل للانحدار الذاتي (أريما) لإنتاج التنبؤات استنادا إلى البيانات التاريخية المقدمة من قبل المستخدم. هل الطلب على منتج معين زيادة هذا العام يمكن أن أتوقع مبيعات المنتجات بلدي لموسم عيد الميلاد، حتى أستطيع أن تخطط بفعالية بلدي المخزون نماذج التنبؤ هي عرضة لمعالجة مثل هذه الأسئلة. وبالنظر إلى البيانات السابقة، فإن هذه النماذج تدرس الاتجاهات المخفية والموسمية للتنبؤ بالاتجاهات المستقبلية. محاولة أزور آلة التعلم مجانا لا بطاقة الائتمان أو أزور الاشتراك المطلوبة. ابدأ الآن غ يمكن استخدام خدمة الويب هذه من قبل المستخدمين المحتملين من خلال تطبيق جوال أو من خلال موقع ويب أو حتى على جهاز كمبيوتر محلي، على سبيل المثال. ولكن الغرض من خدمة الويب هو أيضا ليكون بمثابة مثال على كيفية أزور آلة التعلم يمكن استخدامها لإنشاء خدمات الويب على رأس رمز R. مع بضعة أسطر فقط من رمز R والنقرات على زر داخل أزور آلة التعلم استوديو، يمكن إنشاء تجربة مع رمز R ونشرها كخدمة ويب. ويمكن بعد ذلك نشر خدمة الويب إلى أزور ماركتبليس وتستهلك من قبل المستخدمين والأجهزة في جميع أنحاء العالم مع أي إعداد البنية التحتية من قبل مؤلف خدمة الويب. استهلاك خدمة الويب تقبل هذه الخدمة 4 وسيطات وتحسب توقعات أريما. وسيطات الإدخال هي: التردد - يشير إلى وتيرة البيانات الخام (دايليويكليمونثليكوارتيرليارلي). الأفق - توقعات المستقبل الإطار الزمني. التاريخ - إضافة في البيانات سلسلة زمنية جديدة للوقت. القيمة - أضف قيم بيانات السلاسل الزمنية الجديدة. ويتمثل ناتج الخدمة في قيم التنبؤ المحسوبة. إدخال عينة يمكن أن يكون: التردد - 12 الأفق - 12 التاريخ - 115201221520123152012415201251520126152012715201281520129152012101520121115201212152012 115201321520133152013415201351520136152013715201381520139152013101520131115201312152013 115201421520143152014415201451520146152014715201481520149152014 القيمة - 3.4793.683.8323.9413.7973.5863.5083.7313.9153.8443.6343.5493.5573.7853.7823.6013.5443.5563.653.7093.6823.511 3.4293.513.5233.5253.6263.6953.7113.7113.6933 .5713.509 هذه الخدمة، كما تمت استضافتها في أزور ماركتبليس، هي خدمة أوداتا قد يتم استدعاؤها من خلال طرق بوست أو جيت. هناك طرق متعددة لاستهلاك الخدمة بطريقة تلقائية (مثال التطبيق هنا). بدء كود C لاستهلاك خدمة الويب: إنشاء خدمة ويب تم إنشاء خدمة الويب هذه باستخدام أزور ماشين ليارنينغ. للحصول على نسخة تجريبية مجانية، بالإضافة إلى مقاطع فيديو تمهيدية حول إنشاء التجارب ونشر خدمات الويب. يرجى الاطلاع أزوريمل. في ما يلي لقطة شاشة للتجربة التي أنشأت خدمة الويب ورمز المثال لكل وحدة من الوحدات داخل التجربة. من داخل أزور ماشين ليارنينغ، تم إنشاء تجربة فارغة جديدة. تم تحميل بيانات إدخال العينة باستخدام مخطط بيانات محدد مسبقا. ويرتبط مخطط البيانات وحدة نمطية تنفيذ R سكريبت، الذي يولد نموذج التنبؤ أريما باستخدام وظائف auto.arima والتنبؤ من R. تدفق التجربة: القيود هذا هو مثال بسيط جدا للتنبؤ أريما. كما يمكن أن يرى من المثال المثال أعلاه، لم يتم تنفيذ أي خطأ في الصيد، وتفترض الخدمة أن جميع المتغيرات هي القيم المستمرة، وينبغي أن يكون عدد صحيح أكبر من 1. يجب أن يكون طول التاريخ وناقلات القيمة هي نفسها . يجب أن يتقيد متغير التاريخ بتنسيق مدييي. للأسئلة المتداولة حول استهلاك خدمة الويب أو النشر إلى السوق، انظر هنا. ويكيبيديا المادة في التحليل الإحصائي للسلاسل الزمنية. توفر نماذج المتوسط ​​الذاتي (أرما) وصفا مقنعا لعملية عشوائية عشوائية (ضعيفة) من حيث اثنتين من الحدود المتعددة، واحدة للتجاوز الذاتي والثانية للمتوسط ​​المتحرك. تم وصف نموذج أرما العام في عام 1951 أطروحة بيتر ويتل. اختبار الفرضيات في تحليل السلاسل الزمنية. و كان شاعرا في كتاب عام 1971 من قبل جورج E. P. بوكس ​​و غويليم جينكينز. نظرا لسلسلة زمنية من البيانات X t. فإن نموذج أرما هو أداة لفهم القيم المستقبلية في هذه السلسلة وربما التنبؤ بها. ويتكون النموذج من جزأين، جزء الانحدار الذاتي (أر) ومتوسط ​​متحرك (ما). ويتضمن الجزء أر تراجعا للمتغير على قيمه المتأخرة (أي السابقة). الجزء ما ينطوي على نمذجة مصطلح الخطأ كمجموعة خطية من المصطلحات الخطأ التي تحدث في وقت واحد وفي أوقات مختلفة في الماضي. ويشار إلى النموذج عادة باسم نموذج أرما (p، q) حيث p هو ترتيب جزء الانحدار الذاتي و q هو ترتيب جزء المتوسط ​​المتحرك (كما هو محدد أدناه). ويمكن تقدير نماذج أريما بعد نهج بوكسجنكنز. نموذج نموذج الانحدار الذاتي يشير الرمز أر (p) إلى نموذج الانحدار الذاتي للترتيب p. ويكتب النموذج أر (p) X t c x2211 i 1 p x03C6 i X t x2212 i x03B5 t. كسوم فارفي X فاريبسيلون.، بعض القيود ضرورية على قيم المعلمات بحيث يبقى النموذج ثابتة. على سبيل المثال، العمليات في نموذج أر (1) مع 1 1 ليست ثابتة. المتوسط ​​المتحرك للتحرير يشير الرمز ما (q) إلى نموذج المتوسط ​​المتحرك للنظام q: x t x03BC x03B5 t x2211 i 1 q x03B8 i x03B5 t x2212 i مو فاريبسيلون سوم ثيتا فاريبسيلون، حيث 1. q هي معلمات النموذج، هو توقع X t (غالبا ما يفترض أن يساوي 0)، و x03B5 t. x03B5 t x2212 1. هي مرة أخرى، أخطاء خطأ الضوضاء البيضاء. تعديل نموذج أرما يشير الرمز أرما (p. q) إلى النموذج مع عبارات الانحدار الذاتي p و q المتوسط ​​المتحرك. يحتوي هذا النموذج على أر (p) و ما (q) النماذج، X t c x03B5 t x2211 i 1 p x03C6 i X t x2212 i x2211 i 1 q x03B8 i x03B5 t x2212 i. كفاريبسيلون سوم فارفي X سوم ثيتا فاريبسيلون.، وقد وصف نموذج أرما العام في عام 1951 أطروحة بيتر ويتل. الذين استخدموا التحليل الرياضي (سلسلة لورينت وتحليل فورييه) والاستدلال الإحصائي. 1 وقد تم نشر نماذج أرما 2 من قبل كتاب عام 1971 من قبل جورج E. P. بوكس ​​و جينكينز، الذي شرح طريقة تكرارية (بوكسجينكينز) لاختيار وتقدير لهم. وكانت هذه الطريقة مفيدة للحدود ذات الحدود المنخفضة (من الدرجة الثالثة أو أقل). 3 ملاحظة حول مصطلحات الخطأ تحرير N (0، 2) حيث 2 هو التباين. قد تضعف هذه الافتراضات ولكن القيام بذلك سيغير خصائص النموذج. على وجه الخصوص، تغيير في i.i.d. فإن الافتراض سيحدث فارقا جوهريا نوعا ما. مواصفة من حيث تأخر المشغل تحرير في بعض النصوص سيتم تحديد النماذج من حيث عامل تأخر L. وفي هذه المصطلحات، يعطى النموذج أر (p) بواسطة x03B5 t (1 x2212 x2211 i 1 p x03C6 i L i) X t x03C6 (L) X t يسار (1-سوم فارفي L رايت) X فارفي (L) X ، حيث يمثل x03C6 متعدد الحدود ويعطى نموذج ما (q) بواسطة X t (1 x2211 i 1 q x03B8 i L i) x03B5 t x03B8 (L) x03B5 t. اليسار (1sum ثيتا L الحق) فاريبسيلون ثيتا (L) فاريبسيلون ،، حيث يمثل متعدد الحدود وأخيرا، ويعطى نموذج أرما (ص ف) مجتمعة من قبل (1 x2212 x2211 ط 1 ص x03C6 ط L ط) X ر (1 × 2211 i 1 q x03b8 i l i) x03b5 t. فارفي L اليمين) X اليسار (1sum ثيتا L الحق) فاريبسيلون ،، أو أكثر بإيجاز، بديل تدوين تدوين بعض المؤلفين، بما في ذلك مربع. يستخدم جينكينز أمب راينزيل اتفاقية مختلفة لمعاملات الانحدار الذاتي. 4 وهذا يسمح لجميع متعددو الحدود التي تنطوي على عامل تأخر تظهر في شكل مماثل طوال الوقت. وبالتالي فإن نموذج أرما سيكتب على النحو التالي: (1 x2212 x2211 i 1 p x03D5 i L i) X t (1 x2211 i 1 q x03B8 i L i) x03B5 t. في L الحق) X اليسار (1sum ثيتا L الحق) فاريبسيلون،. وعلاوة على ذلك، إذا وضعنا x03D5 0 x03B8 0 1 ثيتا 1. ثم نحصل على صياغة أكثر أناقة: x2211 i 0 p x03D5 i L i X t x2211 i 0 q x03B8 i L i x03B5 t. في L X سوم ثيتا L فاريبسيلون،. نماذج المناسب تحرير نماذج أرما بشكل عام لا يمكن أن يكون، بعد اختيار p و q. المجهزة من قبل أقل المربعات الانحدار للعثور على قيم المعلمات التي تقلل من خطأ المدى. ويعتبر عموما من الممارسات الجيدة العثور على أصغر قيم p و q التي توفر ملاءمة مقبولة للبيانات. لنموذج أر النقي يمكن استخدام معادلات يول ووكر لتوفير تناسب. ويمكن تيسير إيجاد قيم مناسبة من p و q في نموذج أرما (p، q) بتخطيط وظائف الترابط الذاتي الجزئي لتقدير p. وكذلك باستخدام دالات الترابط الذاتي لتقدير q. ويمكن استخلاص مزيد من المعلومات من خلال النظر في نفس الوظائف بالنسبة لمخلفات نموذج مزودة باختيار أولي لل p و q. بروكويل أمب ديفيس يوصي باستخدام إيسك لإيجاد p و q. 5 تطبيقات في حزم الإحصاءات تحرير في R. يتم توثيق الدالة أريما (في احصائيات حزمة القياسية) في أريما النمذجة من سلسلة زمنية. تحتوي حزم الإضافات على وظائف ذات صلة وممددة، على سبيل المثال. وتشمل حزمة تسرييس وظيفة أرما، موثقة في نماذج فيت أرما إلى سلسلة الوقت تحتوي حزمة فراسديف على فراكديف () لعمليات أرما متكاملة بشكل كامل، وما إلى ذلك عرض مهمة كران على سلسلة الوقت يحتوي على روابط لمعظم هذه. ماثماتيكا لديها مكتبة كاملة من وظائف سلسلة زمنية بما في ذلك أرما. 6 ماتلاب تشمل وظائف مثل أرما و أر لتقدير أر، أركس (الانحدار الذاتي خارجي)، ونماذج أرماكس. انظر أدوات أدوات تعريف النظام وقياس الاقتصاد القياسي لمزيد من المعلومات. وتشمل وحدة ستاتسموديلز بيثون العديد من النماذج والوظائف لتحليل سلسلة زمنية، بما في ذلك أرما. سابقا جزء من سكيكيت تعلم أنها الآن قائمة بذاتها ويتكامل بشكل جيد مع الباندا. انظر هنا لمزيد من التفاصيل. بيفلوكس لديه تنفيذ القائم على بايثون من نماذج أريماكس، بما في ذلك نماذج أريماكس بايزي. انظر هنا لمزيد من التفاصيل. إمل المكتبات العددية هي المكتبات من وظائف التحليل العددي بما في ذلك إجراءات أرما و أريما تنفيذها في لغات البرمجة القياسية مثل C، جافا، C .NET، و فورتران. غريتل يمكن أيضا تقدير نموذج أرما، انظر هنا حيث المذكورة. غنو أوكتاف يمكن تقدير نماذج أر باستخدام وظائف من حزمة اضافية اوكتاف تزوير. ستاتا يتضمن وظيفة أريما التي يمكن تقدير أرما و أريما النماذج. انظر هنا لمزيد من التفاصيل. سوانشو هو مكتبة جافا من الأساليب العددية، بما في ذلك حزم الإحصاءات الشاملة، التي ونيفرزيتيمولتيفاريات أرما، أريما، أرماكس، الخ يتم تنفيذ نماذج في نهج وجوه المنحى. يتم توثيق هذه التطبيقات في سوانشو، وهي مكتبة جاوة العددية والإحصائية. ساس لديها حزمة الاقتصاد القياسي، إتس، التي تقدر نماذج أريما. انظر هنا لمزيد من التفاصيل. تطبيقات تحرير أرما هو المناسب عندما يكون النظام هو وظيفة من سلسلة من الصدمات غير مراقب (ما أو المتوسط ​​المتحرك جزء) وكذلك سلوكها الخاص. على سبيل المثال، قد تكون أسعار الأسهم قد صدمت من خلال المعلومات الأساسية، فضلا عن إظهار الاتجاهات الفنية وتأثيرات انعكاس المتوسط ​​بسبب المشاركين في السوق. التعميمات تعديل اعتماد X على القيم السابقة وعبارات الخطأ t يفترض أن تكون خطية ما لم يحدد خلاف ذلك. وإذا كان الاعتماد غير خطي، فإن النموذج يسمى على وجه التحديد بالمتوسط ​​المتحرك غير الخطي (نما)، أو الانحدار الذاتي غير الخطية (نار)، أو نموذج المتوسط ​​الذاتي غير الخطية (نارما). يمكن تعميم نماذج معدل الانحدار الذاتي بطرق أخرى. أنظر أيضا نماذج الانحدار الذاتي المشروط (أرش) ونماذج الانحدار الذاتي المتكامل (أريما). وفي حالة تركيب سلاسل زمنية متعددة، يمكن تركيب نموذج متجه أريما (أو فاريما). إذا كانت السلاسل الزمنية المعنية تظهر ذاكرة طويلة، قد تكون الكسور أريما (فريما، التي تسمى أحيانا أرفيما) مناسبة: انظر الانحدار الذاتي المتكامل المتوسط ​​المتحرك المتكامل. إذا كان يعتقد أن البيانات تحتوي على تأثيرات موسمية، فإنه قد يكون على غرار ساريما (الموسمية أريما) أو نموذج أرما الدوري. التعميم آخر هو نموذج الانحدار الذاتي متعدد (مار). يتم فهرسة نموذج مار بواسطة العقد من شجرة، في حين يتم فهرسة نموذج الانحدار الذاتي القياسي (الوقت المنفصل) بواسطة الأعداد الصحيحة. لاحظ أن نموذج أرما هو نموذج أحادي المتغير. الإضافات للحالة متعددة المتغيرات هي فيكتور أوتجركسيون (فار) و فيكتور أوتجركسيون موفينغ-أفيراج (فارما). نموذج معدل الانحدار الذاتي مع نموذج المدخلات الخارجية (نموذج أرماكس) يعدل الترميز أرماكس (p. b) يشير إلى النموذج مع المصطلحات الانحدارية p، q متوسط ​​المصطلحات المتحركة و ب المدخلات الخارجية المصطلحات. يحتوي هذا النموذج على نماذج أر (p) و ما (q) ومزيج خطي من البنود b الأخيرة لسلسلة زمنية معروفة و خارجية d t. ويعطى بواسطة: X t x03B5 t x2211 i 1 p x03C6 i X t x2212 i x2211 i 1 q x03B8 i x03B5 t x2212 i x2211 i 1 b x03b7 i د t x2212 i. فاريبسيلون سوم فارفي X سوم ثيتا فاريبسيلون سوم إتا.، وقد تم تعريف بعض المتغيرات غير الخطية من النماذج مع المتغيرات الخارجية: انظر على سبيل المثال الخطي الانحدار الذاتي النموذج الخارجي. الحزم الإحصائية تنفذ نموذج أرماكس من خلال استخدام المتغيرات الخارجية أو المستقلة. يجب توخي الحذر عند تفسير مخرجات تلك الطرود، لأن المعلمات المقدرة عادة (على سبيل المثال، في R 7 و غريتل) تشير إلى الانحدار: X t x 2212 مت x03B5 t x2211 i 1 p x03C6 i (x t x2212 i x2212 مت x2212 i) x2211 i 1 q x03B8 i x03B5 t x2212 i. -m فاريبسيلون سوم فارفي (X -m) سوم ثيتا فاريبسيلون، حيث m t يتضمن جميع المتغيرات الخارجية (أو المستقلة): انظر أيضا تحرير المراجع تحرير حنان، إدوارد جيمس (1970). سلاسل زمنية متعددة. سلسلة وايلي في الاحتمالات والإحصاءات الرياضية. نيويورك: جون وايلي وأولاده. 160 ويتل، P. (1951). اختبار الفرضية في تحليل السلاسل الزمنية. ألمكيست وويكسيل. 160 ويتل، P. (1963). التنبؤ والتنظيم. إنجليش الجامعات الصحافة. إيسبن 1600-8166-1147-5. (160) أعيد نشرها على النحو التالي: ويتل، P. (1983). التنبؤ والتنظيم بطرق أقل خطية. جامعة مينيسوتا برس. إيسبن 1600-8166-1148-3. 160 هانان أمب ديستلر (1988. p. 227): هانان، E.J ديستلر، مانفريد (1988). النظرية الإحصائية للنظم الخطية. سلسلة وايلي في الاحتمالات والإحصاءات الرياضية. نيويورك: جون وايلي وأولاده. 160 بوكس، جورج جينكينز، غويليم M. راينزيل، غريغوري C. (1994). تحليل السلاسل الزمنية: التنبؤ والتحكم (الطبعة الثالثة). برنتيس هول. إيسبن 1600130607746. 160 بروكويل، P. J. دافيس، R. A. (2009). السلسلة الزمنية: النظرية والطرق (الطبعة الثانية). نيويورك: سبرينغر. p.160273. إيسبن 1609781441903198. 160 ميزات السلاسل الزمنية في ماثماتيكا مؤرشف 24 نوفمبر 2011، على آلة وايباك. أريما النمذجة من سلسلة الوقت. R توريسم ريادينغ إديت ميلز، تيرانسي C. (1990). تقنيات سلسلة الوقت للاقتصاديين. نيويورك: مطبعة جامعة كامبريدج. إيسبن 1600521343399. 160 برسيفال، دونالد B. والدن، أندرو T. (1993). التحليل الطيفي للتطبيقات الفيزيائية. نيويورك: مطبعة جامعة كامبريدج. إيسبن 160052135532X. 160
الفوركس   التداول   للأرضيات   برنتوود
حساب تداول الخيارات مجانا