Modèle Box-Jenkins
Qu’est-ce que le modèle Box-Jenkins?
Le modèle Box-Jenkins est un modèle mathématique conçu pour prévoir des plages de données en fonction des entrées d’une série chronologique spécifiée. Le modèle Box-Jenkins peut analyser de nombreux types de données de séries chronologiques à des fins de prévision.
Sa méthodologie utilise les différences entre les points de données pour déterminer les résultats. La méthodologie permet au modèle d’identifier les tendances à l’aide de l’autorégression, des moyennes mobiles et de la différenciation saisonnière pour générer des prévisions. Les modèles de moyenne mobile intégrée autorégressive (ARIMA) sont une forme de modèle de Box-Jenkins. Les termes ARIMA et Box-Jenkins Model peuvent être utilisés de manière interchangeable.
Points clés à retenir
- Le modèle Box-Jenkins est une méthodologie de prévision utilisant des études de régression.
- La méthodologie est mieux utilisée comme une prévision calculée par ordinateur basée sur une régression de données chronologiques.
- Il convient le mieux aux prévisions dans des délais de 18 mois ou moins.
- Les calculs ARIMA modernes sont effectués avec des outils sophistiqués tels que des logiciels statistiques programmables en langage de programmation R.
Comprendre le modèle Box-Jenkins
Les modèles Box-Jenkins sont utilisés pour prévoir une variété de points de données anticipés ou de plages de données, y compris des données commerciales et des prix de sécurité futurs.
Le modèle Box-Jenkins a été créé par deux mathématiciens George Box et Gwilym Jenkins. Les deux mathématiciens ont discuté des concepts qui composent ce modèle dans une publication de 1970 «Analyse des séries temporelles: prévision et contrôle».
Les estimations des paramètres du modèle Box-Jenkins peuvent être très compliquées. Par conséquent, à l’instar d’autres modèles de régression chronologique, les meilleurs résultats seront généralement obtenus grâce à l’utilisation de logiciels programmables. Le modèle Box-Jenkins est également généralement le mieux adapté pour les prévisions à court terme de 18 mois ou moins.
Méthodologie Box-Jenkins
Le modèle Box-Jenkins est l’un des nombreux modèles d’analyse de séries chronologiques qu’un prévisionniste rencontrera lors de l’utilisation d’un logiciel de prévision programmée. Dans de nombreux cas, le logiciel sera programmé pour utiliser automatiquement la méthodologie de prévision la mieux adaptée en fonction des données de séries chronologiques à prévoir. Box-Jenkins est considéré comme le premier choix pour les ensembles de données qui sont pour la plupart stables avec une faible volatilité.
Le modèle Box-Jenkins prévoit les données en utilisant trois principes, l’autorégression, la différenciation et la moyenne mobile. Ces trois principes sont appelés respectivement p, d et q. Chaque principe est utilisé dans l’analyse de Box-Jenkins et ensemble, ils sont représentés collectivement sous la forme ARIMA (p, d, q).
Le processus d’autorégression (p) teste les données pour leur niveau de stationnarité. Si les données utilisées sont stationnaires, cela peut simplifier le processus de prévision. Si les données utilisées ne sont pas stationnaires, elles devront être différenciées (d). Les données sont également testées pour leur ajustement de moyenne mobile qui est effectué dans la partie q du processus d’analyse. Dans l’ensemble, l’analyse initiale des données les prépare à la prévision en déterminant les paramètres (p, d et q) qui sont appliqués pour élaborer une prévision.
Prévision des cours boursiers
Une utilisation de l’analyse du modèle Box-Jenkins est de prévoir les cours des actions. Cette analyse est généralement élaborée et codée via le logiciel R. L’analyse aboutit à un résultat logarithmique qui peut être appliqué à l’ensemble de données pour générer les prix prévus pour une période de temps spécifiée dans le futur.