Fout Tydens Die Verskuiwing Gemiddeld

Glad data verwyder ewekansige variasie en programme tendense en sikliese komponente Inherent in die versameling van data geneem met verloop van tyd is 'n vorm van ewekansige variasie. Daar bestaan ​​metodes vir die vermindering van van die kansellasie van die effek as gevolg van ewekansige variasie. 'N dikwels gebruikte tegniek in bedryf is glad. Hierdie tegniek, wanneer dit behoorlik toegepas word, blyk duidelik die onderliggende tendens, seisoenale en sikliese komponente. Daar is twee afsonderlike groepe glad metodes Berekening van gemiddelde metodes Eksponensiële Smoothing Metodes Neem gemiddeldes is die eenvoudigste manier om data te stryk Ons sal eers ondersoek sommige gemiddelde metodes, soos die eenvoudige gemiddeld van al die afgelope data. 'N Bestuurder van 'n pakhuis wil weet hoeveel 'n tipiese verskaffer lewer in 1000 dollar eenhede. Hy / sy neem 'n monster van 12 verskaffers, na willekeur, die verkryging van die volgende resultate: Die berekende gemiddelde of gemiddeld van die data 10. Die bestuurder besluit om dit te gebruik as die skatting vir uitgawes van 'n tipiese verskaffer. Is dit 'n goeie of slegte skat Gemiddelde kwadraat fout is 'n manier om te oordeel hoe goed 'n model is Ons sal bereken die gemiddelde kwadraat fout. Die fout ware bedrag wat minus die beraamde bedrag. Die fout vierkant is die fout hierbo, vierkantig. Die SSE is die som van die gekwadreerde foute. Die MSE is die gemiddeld van die kwadraat foute. MSE lei byvoorbeeld Die uitslae is: Fout en gekwadreerde foute Die raming 10 Die vraag ontstaan: kan ons gebruik maak van die gemiddelde inkomste voorspel as ons vermoed dat 'n tendens 'n blik op die grafiek hieronder toon duidelik dat ons nie dit sou doen. Gemiddeld weeg al verlede Waarnemings ewe In opsomming, ons verklaar dat die eenvoudige gemiddelde of gemiddeld van al verlede waarnemings is net 'n nuttige skatting vir vooruitskatting wanneer daar geen tendense. As daar tendense, gebruik verskillende skattings dat die tendens in ag neem. Die gemiddelde weeg al verlede Waarnemings ewe. Byvoorbeeld, die gemiddelde van die waardes 3, 4, 5 is 4. Ons weet natuurlik dat 'n gemiddelde word bereken deur die toevoeging van al die waardes en die som te deel deur die aantal waardes. Nog 'n manier van berekening van die gemiddelde is deur die byvoeging van elke waarde gedeel deur die aantal waardes, of 3/3 4/3 5/3 1 1,3333 1,6667 4. Die vermenigvuldiger 1/3 is die gewig genoem. In die algemeen: bar frac som links (frac regs) x 1 links (frac regs) x 2,. ,, Links (frac regs) x N. Die (links (frac regs)) is die gewigte en, natuurlik, hulle vat om 1. bewegende gemiddelde Koeverte bewegende gemiddelde Koeverte Inleiding bewegende gemiddelde koeverte-persentasie gebaseer koeverte bo en onder 'n bewegende gemiddelde stel. Die bewegende gemiddelde, wat die basis vorm vir hierdie aanwyser, kan 'n eenvoudige of eksponensiële bewegende gemiddelde wees. Elke koevert is dan stel dieselfde persentasie bo of onder die bewegende gemiddelde. Dit skep parallel bands wat prys aksie volg. Met 'n bewegende gemiddelde as die basis, bewegende gemiddelde Koeverte kan gebruik word as 'n tendens volgende aanwyser. Tog is hierdie aanwyser nie beperk tot net tendens volgende. Die koeverte kan ook gebruik word om oorgekoop en oorverkoopte vlakke te identifiseer wanneer die neiging is relatief plat. Berekening Berekening vir bewegende gemiddelde Koeverte is reguit-vorentoe. Eerste, kies 'n eenvoudige bewegende gemiddelde of eksponensiële bewegende gemiddelde. Eenvoudige bewegende gemiddeldes gewig elke datapunt (prys) ewe. Eksponensiële bewegende gemiddeldes sit meer gewig op onlangse pryse en minder lag. Tweedens, kies die aantal tydperke vir die bewegende gemiddelde. Derde, stel die persentasie vir die koeverte. A 20-dae - bewegende gemiddelde met 'n 2.5 koevert sal die volgende twee lyne wys: Die bostaande grafiek toon IBM met 'n 20-dag SMA en 2.5 koeverte. Let daarop dat die 20-dag SMA hierdie SharpChart vir verwysing is bygevoeg. Let op hoe die koeverte beweeg parallel met die 20-dag SMA. Hulle bly 'n konstante 2.5 bo en onder die bewegende gemiddelde. Interpretasie Indicators gebaseer op kanale, bands en koeverte is ontwerp om die meeste prys aksie in te sluit. Daarom beweeg bo of onder die koeverte waarborg aandag. Tendense begin dikwels met 'n sterk beweeg in een of ander rigting. 'N oplewing bokant die boonste koevert toon buitengewone sterkte, terwyl 'n duik onder die laer koevert toon buitengewone swakheid. Sulke sterk beweeg kan die einde van 'n tendens en die begin van 'n ander sein. Met 'n bewegende gemiddelde as sy stigting, bewegende gemiddelde koeverte n natuurlike tendens volgende aanwyser. Soos met bewegende gemiddeldes, sal die koeverte prys aksie lag. Die rigting van die bewegende gemiddelde dikteer die rigting van die kanaal. In die algemeen, 'n verslechtering neiging is tans toe die kanaal laer beweeg, terwyl 'n uptrend bestaan ​​wanneer die kanaal hoër beweeg. Die tendens is plat wanneer die kanaal sywaarts beweeg. Soms is 'n sterk tendens hou nie nadat 'n koevert te breek en pryse te skuif na 'n handels-reeks. Sulke handel reekse is gekenmerk deur 'n relatief plat bewegende gemiddelde. Die koeverte kan dan gebruik word om oorgekoop en oorverkoopte vlakke te identifiseer vir doeleindes van handeldryf. 'N skuif bo die boonste koevert dui 'n oorgekoopte situasie, terwyl 'n skuif onder die laer koevert punte 'n oorverkoopte toestand. Parameters Die parameters vir die bewegende gemiddelde Koeverte afhang van jou handel / te belê doelwitte en die eienskappe van die betrokke sekuriteit. Handelaars sal waarskynlik gebruik korter (vinniger) bewegende gemiddeldes en relatief stywe koeverte. Beleggers sal waarskynlik verkies langer (stadiger) bewegende gemiddeldes met wyer koeverte. 'N Veiligheidswag se wisselvalligheid. Bollinger Bands gebruik die standaard afwyking om bandwydte te stel. Keltner kanale die Gemiddelde Ware Range (ATR) om kanaal breedte stel. Hierdie outomaties aan te pas vir wisselvalligheid. Rasionele agente moet onafhanklik rekenskap wisselvalligheid by die opstel van die bewegende gemiddelde koeverte. Securities met 'n hoë wisselvalligheid sal wyer bande nodig het om die meeste prys aksie in te sluit. Securities met 'n lae wisselvalligheid kan nouer bande te gebruik. In die keuse van die regte parameters, dit help dikwels om 'n paar verskillende bewegende gemiddelde Koeverte trek en te vergelyk. bo die grafiek toon die S P 500 ETF met drie bewegende gemiddelde Koeverte gebaseer op die 20-dag SMA. Die 2.5 koeverte (rooi) is 'n paar keer aangeraak, was die 5 koeverte (groen) net aangeraak tydens die Julie-oplewing. Die 10 koeverte (pienk) is nooit aangeraak, wat beteken dat hierdie band is te wyd. 'N medium termyn handelaar kan gebruik maak van die 5 koeverte, terwyl 'n kort termyn handelaar die 2.5 koeverte kan gebruik. Stock indekse en ETF's vereis strenger koeverte, want hulle is gewoonlik minder wisselvallig as individuele aandele. Die Alcoa grafiek het dieselfde bewegende gemiddelde Koeverte as die SPY grafiek. Maar let dat Alcoa oortree die 10 koeverte talle kere, want dit is meer wisselvallig. Tendens Identifikasie bewegende gemiddelde Koeverte kan gebruik word om 'n sterk beweeg dat die begin van 'n lang tendens dui identifiseer. Die truuk, soos altyd, is die keuse van die korrekte parameters. Dit neem die praktyk, trial and error. Die onderstaande grafiek toon Dow Chemical (DOW) met die bewegende gemiddelde Koeverte (20,10). Sluiting pryse word gebruik omdat bewegende gemiddeldes bereken met sluitingstyd pryse. Sommige rasionele agente verkies bars of kandelaars aan te wend die intraday dag 'n hoë en 'n lae. Let op hoe DOW bokant die boonste koevert in die middel van Julie gestyg en het voortgegaan beweeg bo die koevert tot vroeg in Augustus. Dit toon buitengewone krag. Let ook daarop dat die bewegende gemiddelde Koeverte opgedaag het en agter die vooraf. Na 'n skuif 14-23, The Stock is duidelik oorkoop. Maar hierdie skuif 'n sterk presedent skep wat die begin van 'n lang tendens gemerk. Met DOW besig oorgekoop gou nadat hulle tot die uptrend, was dit tyd om te wag vir 'n speelbaar nadeel. Handelaars kan kyk vir terugsakkings met basiese grafiek analise of met aanwysers. Terugsakkings kom dikwels in die vorm van dalende vlae of wiggies. DOW gevorm n prentjiemooi val vlag in Augustus en breek weerstand in September. Nog 'n vlag wat gevorm word in die einde van Oktober met 'n tempo in November. Na afloop van die November oplewing, die voorraad getrek terug met 'n vyf week vlag in Desember. Die Commodity Channel Index (CCI) word in die aanwyser venster. Beweeg onder -100 wys oorverkoop lesings. Wanneer die groter tendens is up, kan oorverkoop lesings gebruik word om terugsakkings identifiseer om die risikoprofiel-beloning vir 'n bedryf te verbeter. Momentum draai lomp weer wanneer CCI beweeg terug in positiewe terrein (groen stippellyn lyne). Die omgekeerde logika toegepas kan word vir 'n verslechtering neiging. N sterk beweeg onder die laer koevert seine buitengewone swakheid wat 'n uitgebreide verslechtering neiging kan kondig. Die onderstaande grafiek toon International Game Tech (IGT) breek onder die 10 koevert om 'n verslechtering neiging vestig aan die einde van Oktober 2009. Omdat die voorraad was nogal oorverkoop ná hierdie skerp daling, sou dit verstandig gewees het om te wag vir 'n weiering. Ons kan dan gebruik basiese prys analise of 'n ander momentum aanwyser om bounces identifiseer. Die venster aanwyser toon die stogastiese ossillator wat gebruik word om oorgekoop bounces identifiseer. 'N skuif bo 80 word beskou as oorgekoop. Sodra meer as 80, kan rasionele agente dan kyk vir 'n grafiek teken of 'n skuif terug onder 80 om 'n afswaai sein (rooi stippellyne). Die eerste sein is bevestig met 'n ondersteuning breek. Die tweede sein gelei tot 'n geheel verslaan (verlies) omdat die voorraad bo 20 het 'n paar weke later. Die derde sein is bevestig met 'n tendens lynbreuk wat gelei het tot 'n taamlik skerp daling. Soortgelyk aan Ossillator prys te beweeg op na oorgekoop en oorverkoopte vlakke, dit is die moeite werd om daarop te wys dat bewegende gemiddelde Koeverte is soortgelyk aan die Persent Prys ossillator (PPO). Bewegende gemiddelde Koeverte vertel ons wanneer 'n sekuriteit is die handel 'n sekere persentasie bo 'n bepaalde bewegende gemiddelde. PPO toon die persentasie verskil tussen 'n kort eksponensiële bewegende gemiddelde en 'n langer eksponensiële bewegende gemiddelde. PPO (1,20) toon die persentasie verskil tussen 'n 1-tydperk EMO en 'n 20-tydperk EMO. A 1-dag EMO is gelyk aan die einde. 20-tydperk Eksponensiële bewegende gemiddelde Koeverte weerspieël dieselfde inligting. bo die grafiek toon die Russell 2000 ETF (IWM) met PPO (1,20) en 2.5 Eksponensiële bewegende gemiddelde koeverte. Horisontale lyne is vasgestel op 2,5 en -2,5 op die PPO. Let daarop dat pryse beweeg bo die 2.5 koevert toe PPO beweeg bo 2.5 (geel skadu) en pryse beweeg onder die 2.5 koevert toe PPO beweeg onder -2,5 (oranje skadu). PPO is 'n momentum ossillator wat gebruik kan word om oorgekoop en oorverkoopte vlakke te identifiseer. By uitbreiding, kan Moving Gemiddelde Koeverte ook gebruik word om oorgekoop en oorverkoopte vlakke te identifiseer. PPO gebruik eksponensiële bewegende gemiddeldes so dit moet vergelyk word met bewegende gemiddelde Koeverte met behulp van EMAS nie SMAs. Oorgekoop / oorverkoopte Meet oorgekoop en oorverkoopte voorwaardes is lastig. Securities kan oorgekoop word en bly oorgekoop in n sterk uptrend. Net so kan sekuriteite oorverkoop word en bly oorverkoop in n sterk verslechtering neiging. In 'n sterk uptrend, pryse beweeg dikwels bo die boonste koevert en voortgaan bo hierdie reël. Trouens, die boonste koevert sal styg as die prys steeds bo die boonste koevert. Dit kan tegnies oorgekoop lyk, maar dit is 'n teken van krag oorgekoop te bly. Die omgekeerde is waar vir oorverkoop. Oorgekoop en oorverkoopte lesings is die beste gebruik wanneer die tendens plat. Die grafiek vir Nokia het dit alles. Die pienk lyne verteenwoordig die bewegende gemiddelde Koeverte (50,10). 'N 50-dag eenvoudig bewegende gemiddelde is in die middel (rooi). Die koeverte gestel 10 bo en onder hierdie bewegende gemiddelde. Die term begin met 'n oorgekoopte vlak wat oorgekoop gebly as 'n sterk tendens na vore gekom in April-Mei. Prys aksie gedraai woelig van Junie tot April wat is die ideale scenario vir oorgekoop en oorverkoopte vlakke. Oorgekoop vlakke in September en middel Maart voorafskaduwing terugskrywings. Net so, oorverkoopte vlakke in Augustus en die einde van Oktober voorafskaduwing vooruitgang. Die term sluit af met 'n oorverkoopte voorwaarde dat oorverkoop is nog net so 'n sterk verslechtering neiging na vore. Oorgekoop en oorverkoopte voorwaardes moet dien as waarskuwings vir verdere analise. Oorgekoop vlakke moet bevestig word met grafiek weerstand. Rasionele agente kan ook kyk vir lomp patrone te ommekeer potensiaal by oorgekoop vlakke versterk. Net so moet oorverkoopte vlakke bevestig met grafiek ondersteuning. Chartiste kan ook kyk vir bullish patrone te ommekeer potensiaal by oorverkoopte vlakke versterk. Gevolgtrekkings bewegende gemiddelde Koeverte word meestal gebruik as 'n tendens volgende aanwyser, maar kan ook gebruik word om oorgekoop en oorverkoopte toestande te identifiseer. Na 'n tydperk van konsolidasie, kan 'n sterk koevert breek die begin van 'n lang tendens dui. Sodra 'n uptrend is geïdentifiseer kan rasionele agente draai om momentum aanwysers en ander tegnieke om oorverkoop lesers en terugsakkings identifiseer binne daardie tendens. Oorgekoop voorwaardes en hop kan gebruik word as die verkoop van geleenthede binne 'n groter verslechtering neiging. In die afwesigheid van 'n sterk tendens, kan die bewegende gemiddelde Koeverte word soos die Persent Prys Ossillator. Beweeg bo die boonste koevert sein oorgekoop lesings, terwyl beweeg onder die laer koevert sein oorverkoop lesings. Dit is ook belangrik om ander aspekte van tegniese ontleding neem aan oorgekoop en oorverkoopte lees bevestig. Weerstand en lomp terugskrywings patrone kan gebruik word om oorgekoop lesings staaf. Ondersteuning en lomp ommekeer patrone kan gebruik word om oorverkoopte voorwaardes bevestig. SharpCharts bewegende gemiddelde Koeverte kan gevind word in SharpCharts as 'n prys oortrek. Soos met 'n bewegende gemiddelde, moet die koeverte gewys op die top van 'n prys plot. By die keuse van die aanwyser uit die drop down box, sal die verstek vertoon in die venster parameters (20,2.5). MA Koeverte is gebaseer op 'n eenvoudige bewegende gemiddelde. EMO Koeverte is gebaseer op 'n eksponensiële bewegende gemiddelde. Die eerste getal (20) stel die tydperke vir die bewegende gemiddelde. Die tweede getal (2.5) stel die persentasie verreken. Gebruikers kan die parameters verander om hul kartering behoeftes aan te pas. Die ooreenstemmende bewegende gemiddelde kan bygevoeg word as afsonderlike oortrek. Klik hier vir 'n lewendige voorbeeld. Skanderings oorverkoop na pouse bo Bo Envelope: Hierdie scan lyk vir aandele wat gebreek bo hul boonste eksponensiële bewegende gemiddelde Koevert (50,10) en twintig dae gelede om te bevestig of te vestig 'n uptrend. Die huidige 10-tydperk CCI is onder -100 tot 'n korttermyn-oorverkoop toestand aandui. Oorgekoop na pouse onder Laer Envelope: Hierdie scan lyk vir aandele wat gebreek onder hul laer eksponensiële bewegende gemiddelde Koevert (50,10) en twintig dae gelede om te bevestig of te vestig 'n verslechtering neiging. Die huidige 10-tydperk CCI is bo 100 'n kort termyn oorkoop toestand aandui. Verdere Studie Trend Trading vir 'n lewe Thomas Carr A Rima staan ​​vir outoregressiewe geïntegreerde bewegende gemiddelde modelle. Eenveranderlike (enkele vektor) ARIMA is 'n vooruitskatting tegniek wat die toekomstige waardes van 'n reeks ten volle gebaseer op sy eie traagheid projekte. Die belangrikste aansoek is op die gebied van korttermyn voorspelling wat ten minste 40 historiese data punte. Dit werk die beste wanneer jou data toon 'n stabiele of konsekwent patroon met verloop van tyd met 'n minimum bedrag van uitskieters. Soms genoem word Posbus-Jenkins (ná die oorspronklike skrywers), ARIMA is gewoonlik beter as gladstrykingstegnieke eksponensiële wanneer die data is redelik lank en die korrelasie tussen die verlede waarnemings is stabiel. As die data is kort of baie volatiel, dan kan 'n paar smoothing metode beter te presteer. As jy nie ten minste 38 datapunte het, moet jy 'n ander metode as ARIMA oorweeg. Die eerste stap in die toepassing van ARIMA metode is om te kyk vir stasionariteit. Stasionariteit impliseer dat die reeks bly op 'n redelik konstante vlak met verloop van tyd. As 'n tendens bestaan, soos in die meeste ekonomiese of besigheid aansoeke, dan is jou data nie stilstaan. Die data moet ook 'n konstante stryd in sy skommelinge oor tyd te wys. Dit is maklik gesien met 'n reeks wat swaar seisoenale en groei teen 'n vinniger tempo. In so 'n geval, sal die wel en wee van die seisoen meer dramaties met verloop van tyd. Sonder hierdie stasionariteit voorwaardes voldoen word, baie van die berekeninge wat verband hou met die proses kan nie bereken word nie. As 'n grafiese plot van die data dui stationariteit, dan moet jy verskil die reeks. Breukmetodes is 'n uitstekende manier om die transformasie van 'n nie-stationaire reeks om 'n stilstaande een. Dit word gedoen deur die aftrekking van die waarneming in die huidige tydperk van die vorige een. As hierdie transformasie slegs een keer gedoen word om 'n reeks, sê jy dat die data het eers differenced. Hierdie proses elimineer wese die tendens as jou reeks groei teen 'n redelik konstante tempo. As dit groei teen 'n vinniger tempo, kan jy dieselfde prosedure en verskil die data weer aansoek doen. Jou data sal dan tweede differenced. Outokorrelasies is numeriese waardes wat aandui hoe 'n data-reeks is wat verband hou met self met verloop van tyd. Meer presies, dit meet hoe sterk datawaardes op 'n bepaalde aantal periodes uitmekaar gekorreleer met mekaar oor tyd. Die aantal periodes uitmekaar is gewoonlik bekend as die lag. Byvoorbeeld, 'n outokorrelasie op lag 1 maatreëls hoe waardes 1 tydperk uitmekaar gekorreleer met mekaar oor die hele reeks. 'N outokorrelasie op lag 2 maatreëls hoe die data twee periodes uitmekaar gekorreleer regdeur die reeks. Outokorrelasies kan wissel van 1 tot -1. 'N Waarde naby aan 1 dui op 'n hoë positiewe korrelasie, terwyl 'n waarde naby aan -1 impliseer 'n hoë negatiewe korrelasie. Hierdie maatreëls is meestal geëvalueer deur middel van grafiese plotte genoem correlagrams. A correlagram plotte die motor - korrelasie waardes vir 'n gegewe reeks by verskillende lags. Dit staan ​​bekend as die outokorrelasie funksie en is baie belangrik in die ARIMA metode. ARIMA metode poog om die bewegings in 'n stilstaande tyd reeks beskryf as 'n funksie van wat is outoregressiewe en bewegende gemiddelde parameters genoem. Dit is waarna verwys word as AR parameters (autoregessive) en MA parameters (bewegende gemiddeldes). 'N AR-model met slegs 1 parameter kan geskryf word as. X (t) 'n (1) X (t-1) E (t) waar x (t) tydreekse wat ondersoek word 'n (1) die outoregressiewe parameter van orde 1 X (t-1) die tydreeks uitgestel 1 periode E (t) die foutterm van die model beteken dit eenvoudig dat enige gegewe waarde X (t) kan verduidelik word deur 'n funksie van sy vorige waarde, X (t-1), plus 'n paar onverklaarbare ewekansige fout, E (t). As die beraamde waarde van A (1) was 0,30, dan is die huidige waarde van die reeks sal wees met betrekking tot 30 van sy waarde 1 periode gelede. Natuurlik, kan die reeks word wat verband hou met meer as net 'n verlede waarde. Byvoorbeeld, X (t) 'n (1) X (t-1) A (2) X (t-2) E (t) Dit dui daarop dat die huidige waarde van die reeks is 'n kombinasie van die twee onmiddellik voorafgaande waardes, X (t-1) en X (t-2), plus 'n paar random fout E (t). Ons model is nou 'n outoregressiewe model van orde 2. bewegende gemiddelde modelle: 'n Tweede tipe Box-Jenkins model is 'n bewegende gemiddelde model genoem. Hoewel hierdie modelle lyk baie soortgelyk aan die AR model, die konsep agter hulle is heel anders. Bewegende gemiddelde parameters verband wat gebeur in tydperk t net om die ewekansige foute wat plaasgevind het in die verlede tyd periodes, naamlik E (t-1), E (t-2), ens, eerder as om X (t-1), X ( t-2), (xt-3) as in die outoregressiewe benaderings. 'N bewegende gemiddelde model met 'n MA termyn kan soos volg geskryf word. X (t) - B (1) E (t-1) E (t) Die term B (1) genoem word 'n MA van orde 1. Die negatiewe teken voor die parameter is slegs vir konvensie en word gewoonlik gedruk uit motor - dateer deur die meeste rekenaarprogramme. Bogenoemde model eenvoudig sê dat enige gegewe waarde van X (t) direk verband hou net aan die ewekansige fout in die vorige tydperk, E (t-1), en die huidige foutterm, E (t). Soos in die geval van outoregressiemodelle, kan die bewegende gemiddelde modelle uitgebrei word na 'n hoër orde strukture wat verskillende kombinasies en bewegende gemiddelde lengtes. ARIMA metode kan ook modelle gebou word dat beide outoregressiewe en gemiddelde parameters saam beweeg inkorporeer. Hierdie modelle word dikwels na verwys as gemengde modelle. Hoewel dit maak vir 'n meer ingewikkelde voorspelling instrument, kan die struktuur inderdaad die reeks beter na te boots en produseer 'n meer akkurate skatting. Suiwer modelle impliseer dat die struktuur bestaan ​​slegs uit AR of MA parameters - nie beide. Die ontwikkel deur hierdie benadering modelle word gewoonlik genoem ARIMA modelle omdat hulle 'n kombinasie van outoregressiewe (AR) te gebruik, integrasie (I) - verwys na die omgekeerde proses van breukmetodes die voorspelling te produseer, en bewegende gemiddelde (MA) operasies. 'N ARIMA model word gewoonlik gestel as ARIMA (p, d, q). Dit verteenwoordig die orde van die outoregressiewe komponente (p), die aantal breukmetodes operateurs (d), en die hoogste orde van die bewegende gemiddelde termyn. Byvoorbeeld, ARIMA (2,1,1) beteken dat jy 'n tweede orde outoregressiewe model met 'n eerste orde bewegende gemiddelde komponent waarvan die reeks is differenced keer om stasionariteit veroorsaak. Pluk die reg spesifikasie: Die grootste probleem in die klassieke Box-Jenkins probeer om te besluit watter ARIMA spesifikasie gebruik - i. e. hoeveel AR en / of MA parameters in te sluit. Dit is wat die grootste deel van Box-Jenkings 1976 is gewy aan die identifikasieproses. Dit was afhanklik van grafiese en numeriese eval - uation van die monster outokorrelasie en gedeeltelike outokorrelasiefunksies. Wel, vir jou basiese modelle, die taak is nie te moeilik. Elk outokorrelasiefunksies dat 'n sekere manier te kyk. Maar wanneer jy optrek in kompleksiteit, die patrone is nie so maklik opgespoor. Om sake nog moeiliker maak, jou data verteenwoordig slegs 'n voorbeeld van die onderliggende proses. Dit beteken dat steekproeffoute (uitskieters, meting fout, ens) die teoretiese identifikasie proses kan verdraai. Dit is waarom tradisionele ARIMA modellering is 'n kuns eerder as 'n wetenskap.