Mô hình Arima là gì? Quy trình dự báo bằng mô hình Arima

Mô hình Arima là một loại mô hình đóng vai trò quan trọng trong việc khai thác dữ liệu. Vậy mô hình Arima là gì? Làm thế nào để chạy mô hình Arima? Quy trình dự báo bằng mô hình Arima như thế nào?… Tất cả những câu hỏi đó sẽ được giải đáp Tip.edu.vn Giải đáp trong bài viết về model Arima dưới đây.

Arima Model là gì? Giới thiệu về Arima. người mẫu

Arima Model là gì?

Mô hình Arima là một loại mô hình thường được sử dụng trong kinh tế lượng. Có thể hiểu, Arima là một mô hình dùng để dự đoán và khai thác dữ liệu trong ngành tài chính và chứng khoán. Đây là một phương pháp nghiên cứu độc lập thông qua dự đoán theo chuỗi thời gian. Sau đó, các nhà nghiên cứu sẽ sử dụng các thuật toán dự đoán độ trễ để đưa ra một mô hình phù hợp.

Ví dụ về mô hình Arima rất nhiều, chúng thường được sử dụng trong kinh tế lượng để dự báo biến động tài chính và cổ phiếu. Ví dụ, mọi người sẽ sử dụng Arima để dự báo một lượng cổ phiếu trong ngắn hạn.

Giới thiệu về Arima. người mẫu

Mô hình Arima do hai nhà nghiên cứu George Box và Gwilym Jenkins nghiên cứu và phát hiện ra. Do đó, kiểu mô hình này còn được gọi là phương pháp Box-Jenkins.

Phương pháp này bao gồm 4 bước:

• Kiểm tra xác nhận mô hình
• Ước tính tham số
• Kiểm tra bằng chẩn đoán
• Dự báo.

Mô hình Arima được chia thành 2 loại, đó là mô hình ARMA (p, q) và mô hình Arima (p, d, q). Trong đó, mô hình ARMA (p, q) là mô hình được hình thành bởi 2 hàm hỗn hợp AR và MA. Hàm tuyến tính của chúng sẽ bao gồm các quan sát tĩnh trong quá khứ cũng như các sai số dự đoán trong quá khứ và hiện tại.

Vậy mô hình Arima (p, d, q) là gì? Mô hình ARIMA (p, d, q) chỉ mô tả chuỗi cố định hoặc chuỗi phân biệt. Do đó, mô hình ARIMA (p, d, q) sẽ biểu diễn chuỗi dữ liệu không tĩnh với độ chênh lệch là d..

Mô hình garch là gì?

Bên cạnh mô hình Arima còn có mô hình dạng p, q. đó là mô hình Garch. Đây là một mô hình được thiết kế để dự đoán lỗi có điều kiện. Loại mô hình này cũng được sử dụng rộng rãi trong dự đoán kinh tế và tài chính và có dạng Garch (p, q) trong đó p là bậc của mô hình Garch và q là bậc của mô hình Arch.

Quy trình dự báo sử dụng Arima. người mẫu

Sau khi hiểu mô hình Arima là gì, chúng ta cùng tìm hiểu các bước để dự báo thông qua mô hình này.

Kiểm tra xác nhận mô hình

Đầu tiên, chúng ta cần xác định mô hình thử nghiệm. Trong đó: d là độ tích phân và p, q sẽ được xác định bởi một hàm chuyên biệt, được gọi là Correlogram.

Mô hình Arima có thể được trình bày dưới nhiều dạng khác nhau. Phương pháp xác định mô hình thường được các nhà nghiên cứu thực hiện bằng cách nghiên cứu chiều hướng thay đổi của hàm tương quan từng phần hoặc toàn bộ.

Ước tính tham số

Mô hình Arima có 2 dạng: ARMA (p, q) và Arima (p, d, q). Với dạng ARMA (p, q) sẽ có d = 0 nên ta có thể chuyển nó sang dạng Arima (p, 0, q).

Trong quá trình ước lượng tham số, chúng ta cần chú ý đến cách xác định pq trong mô hình Arima. Để xác định hai số liệu này, người ta sẽ sử dụng biểu đồ Correlogram.

Cụ thể, p sẽ là bậc của đồ thị AR. Đánh giá độ trễ đầu tiên, thanh nào nằm ngoài đường giới hạn và sau khi giảm đáng kể sau một độ trễ, hệ số tự tương quan một phần là p. Tương tự, q sẽ là tung độ của MA.

Để ước lượng tham số, chúng ta cần ước lượng ban đầu cho các tham số a0, a1,…, ap, b1,…, bq của mô hình dự kiến ​​ban đầu. Sau đó, dựa trên các tham số ước tính, các ước tính cuối cùng được xây dựng thông qua một quá trình lặp đi lặp lại.

Xét nghiệm chẩn đoán

Sau khi đã xây dựng xong các thông số của mô hình chung, tính chính xác và phù hợp của mô hình sẽ được kiểm tra với các dữ liệu đã được thiết lập. Hãy xem xét phần lỗi có phải là ngẫu nhiên thuần túy không? Nếu có thì mô hình đó đã hài lòng, nếu chưa đạt thì chúng ta sẽ phải thực hiện lại các bước trên.

Dự báo

Trong bước cuối cùng này, khi mô hình phù hợp với dữ liệu tìm được, chúng tôi sẽ đưa ra dự đoán vào thời điểm tiếp theo.

Hướng dẫn chạy mô hình Arima với eviews

Xác định mô hình

Đầu tiên, chúng ta cần đưa dữ liệu vào. Sau đó mở và đọc dữ liệu từ một nguồn bên ngoài không phải là một phần của eviews và mở hộp thoại Open. Sau đó chọn Loại tệp. Tiếp tục nhấp đúp vào biến để kiểm tra tính ổn định của chuỗi dữ liệu.

Chọn View / Graph / line để biết chuỗi thời gian, để xem chuỗi thời gian có đứng yên hay không, hoặc chọn View / Correlogram để xác định các thành phần p, d, q của mô hình.

Ước tính và kiểm tra mô hình

Từ biểu đồ tương quan đã thiết lập, ta sẽ xác định được các thành phần p, d, q cho mô hình. Sau đó, chúng ta cần xây dựng mô hình theo các bước sau:

• Chọn Phương trình nhanh / ước lượng và nhập vào mục Đặc tả phương trình mà mô hình đã được xác định với một bước xác định.
• Chọn View / Residual tests / Correlogram-Q-Statistic: Để xác định nhiễu trắng của mô hình. Nếu mô hình được xác định là nhiễu trắng, chúng ta có thể dừng lại mà không cần kiểm tra mô hình tiếp theo.

Cuối cùng, tại mục Phương trình, nhấn nút dự báo để dự báo và kết thúc việc chạy mô hình trên Eviews. Cách chạy Arima model in stata cũng tương tự như trên eviews, hãy luyện tập với các bài tập Arima model để hiểu rõ hơn về kiến ​​thức này.

Như vậy chúng ta đã tìm hiểu mô hình Arima là gì. Mọi thắc mắc về loại mô hình này cũng như có những đóng góp gì thêm về bài viết Mô hình Arima là gì, hãy để lại bình luận bên dưới để Tip.edu.vn cùng nhau tìm ra câu trả lời nhé!

Xem thêm >>> Mô hình erd là gì? Cách chuyển đổi mô hình erd sang mô hình quan hệ