¿Qué es el modelo Box-Jenkins?
El modelo Box-Jenkins es un modelo matemático diseñado para pronosticar rangos de datos basados en entradas de una serie de tiempo específica. El modelo Box-Jenkins puede analizar muchos tipos diferentes de datos de series temporales para pronósticos.
Su metodología utiliza diferencias entre los puntos de datos para determinar los resultados. La metodología permite que el modelo identifique tendencias utilizando autorregresión, promedios móviles y diferenciación estacional para generar pronósticos. Los modelos de media móvil integrada autorregresiva (ARIMA) son una forma de modelo de Box-Jenkins. Los términos ARIMA y Box-Jenkins Model pueden usarse indistintamente.
Para llevar clave
- El modelo Box-Jenkins es una metodología de pronóstico que utiliza estudios de regresión. La metodología se utiliza mejor como un pronóstico calculado por computadora basado en una regresión de datos de series de tiempo. Es el más adecuado para pronosticar dentro de marcos de tiempo de 18 meses o menos. Los cálculos de ARIMA se realizan con herramientas sofisticadas como el software estadístico programable en lenguaje de programación R.
Comprender el modelo de Box-Jenkins
Los modelos Box-Jenkins se utilizan para pronosticar una variedad de puntos de datos anticipados o rangos de datos, incluidos datos comerciales y precios de seguridad futuros.
El modelo Box-Jenkins fue creado por dos matemáticos George Box y Gwilym Jenkins. Los dos matemáticos discutieron los conceptos que comprenden este modelo en una publicación de 1970 "Análisis de series de tiempo: pronóstico y control".
Las estimaciones de los parámetros del modelo Box-Jenkins pueden ser muy complicadas. Por lo tanto, de manera similar a otros modelos de regresión de series de tiempo, los mejores resultados generalmente se lograrán mediante el uso de software programable. El modelo Box-Jenkins también es generalmente más adecuado para pronósticos a corto plazo de 18 meses o menos.
Metodología de Box-Jenkins
El modelo Box-Jenkins es uno de varios modelos de análisis de series de tiempo que un pronosticador encontrará al usar un software de pronóstico programado. En muchos casos, el software se programará para usar automáticamente la metodología de pronóstico de mejor ajuste basada en los datos de la serie temporal que se pronosticarán. Se informa que Box-Jenkins es la mejor opción para conjuntos de datos que son en su mayoría estables con baja volatilidad.
El modelo Box-Jenkins pronostica datos utilizando tres principios, autorregresión, diferenciación y promedio móvil. Estos tres principios se conocen como p, d y q respectivamente. Cada principio se usa en el análisis de Box-Jenkins y juntos se muestran colectivamente como ARIMA (p, d, q).
El proceso de autorregresión (p) prueba los datos para determinar su nivel de estacionariedad. Si los datos que se utilizan son estacionarios, pueden simplificar el proceso de pronóstico. Si los datos que se utilizan no son estacionarios, deberán diferenciarse (d). Los datos también se prueban para determinar su ajuste promedio móvil, que se realiza en la parte q del proceso de análisis. En general, el análisis inicial de los datos los prepara para el pronóstico determinando los parámetros (p, d y q) que se aplican para desarrollar un pronóstico.
Previsión de precios de acciones
Un uso para el análisis del Modelo Box-Jenkins es pronosticar los precios de las acciones. Este análisis generalmente se desarrolla y codifica a través del software R. El análisis da como resultado un resultado logarítmico que se puede aplicar al conjunto de datos para generar los precios pronosticados para un período de tiempo específico en el futuro.
