Modelo Box-Jenkins
O que é o modelo Box-Jenkins?
O modelo Box-Jenkins é um modelo matemático projetado para prever intervalos de dados com base em entradas de uma série temporal especificada. O modelo Box-Jenkins pode analisar muitos tipos diferentes de dados de série temporal para previsão.
Sua metodologia usa diferenças entre os pontos de dados para determinar os resultados. A metodologia permite que o modelo identifique tendências usando autorregressão, médias móveis e diferenciação sazonal para gerar previsões. Os modelos de média móvel integrada autoregressiva (ARIMA) são uma forma do modelo Box-Jenkins. Os termos ARIMA e modelo Box-Jenkins podem ser usados alternadamente.
Principais vantagens
- O modelo Box-Jenkins é uma metodologia de previsão que usa estudos de regressão.
- A metodologia é mais bem usada como uma previsão calculada por computador com base em uma regressão de dados de série temporal.
- É mais adequado para previsões em prazos de 18 meses ou menos.
- Modernamente, os cálculos ARIMA são feitos com ferramentas sofisticadas, como software estatístico programável em linguagem de programação R.
Compreendendo o modelo Box-Jenkins
Os modelos Box-Jenkins são usados para prever uma variedade de pontos de dados antecipados ou intervalos de dados, incluindo dados de negócios e preços de segurança futuros.
O modelo Box-Jenkins foi criado por dois matemáticos George Box e Gwilym Jenkins. Os dois matemáticos discutiram os conceitos que compõem esse modelo em uma publicação de 1970 “Time Series Analysis: Forecasting and Control”.
Estimativas dos parâmetros do modelo Box-Jenkins podem ser muito complicadas. Portanto, semelhante a outros modelos de regressão de série temporal, os melhores resultados serão tipicamente obtidos por meio do uso de software programável. O modelo Box-Jenkins também é geralmente mais adequado para previsões de curto prazo de 18 meses ou menos.
Metodologia Box-Jenkins
O modelo Box-Jenkins é um dos vários modelos de análise de série temporal que um previsor encontrará ao usar um software de previsão programado. Em muitos casos, o software será programado para usar automaticamente a metodologia de previsão de melhor ajuste com base nos dados de série de tempo a serem previstos. Box-Jenkins é relatado como a melhor escolha para conjuntos de dados que são principalmente estáveis com baixa volatilidade.
O modelo Box-Jenkins prevê dados usando três princípios, autorregressão, diferenciação e média móvel. Esses três princípios são conhecidos como p, d e q, respectivamente. Cada princípio é usado na análise de Box-Jenkins e juntos são mostrados coletivamente como ARIMA (p, d, q).
O processo de autorregressão (p) testa os dados quanto ao seu nível de estacionariedade. Se os dados usados forem estacionários, isso pode simplificar o processo de previsão. Se os dados usados não forem estacionários, eles precisarão ser diferenciados (d). Os dados também são testados quanto ao seu ajuste de média móvel, o que é feito na parte q do processo de análise. No geral, a análise inicial dos dados os prepara para a previsão, determinando os parâmetros (p, d e q) que são aplicados para desenvolver uma previsão.
Previsão de preços de ações
Um uso para a análise do modelo Box-Jenkins é prever os preços das ações. Essa análise normalmente é desenvolvida e codificada por meio do software R. A análise resulta em um resultado logarítmico que pode ser aplicado ao conjunto de dados para gerar os preços previstos para um período de tempo especificado no futuro.