ARIMA模型

ARIMA模型由来

差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)什么是ARIMA模型?

ARIMA模型全称为差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名时间序列预期方法，所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归, p为自回归项; MA为移动平均，q为移动平均项数，d为时间序列形成稳定时所做的差分次数。ARIMA模型的基本思想

ARIMA模型的基本思想是：将预期对象随时间推动而形成的报告序列看为一个随机序列，用适当的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的以往值及当下值来预期将来值。现代统计方法、计量经济模型在某种程度上已经能够帮助企业对将来执行预期。ARIMA模型预期的基本程序

（一）依据时间序列的散点图、自有关函数和偏自有关函数图以ADF单位根检验其方差、趋势及其季节性改变规律，对序列的稳定性执行识别。一般来讲，经济运行的时间序列都不是稳定序列。

（二）对非稳定序列执行稳定化处理。假使报告序列是非稳定的，并存在适当的上涨或下滑趋势，则需要对报告执行差分处理，假使报告存在异方差，则需对报告执行技术处理，直到处理后的报告的自有关函数值和偏有关函数值无明显地异于零。

（三）依据时间序列模型的识别规则，建立相应的模型。若稳定序列的偏有关函数是截尾的，而自有关函数是拖尾的，可断言序列适合AR模型；若稳定序列的偏有关函数是拖尾的，而自有关函数是截尾的，则可断言序列适合MA模型；若稳定序列的偏有关函数和自有关函数均是拖尾的，则序列适合ARMA模型。

（四）执行参数预期，检验能否具有统计意义。

（五）执行如果检验，诊断残差序列能否为白噪声。

（六）利用已通过检验的模型执行预期分析。有关链接

各国的box-jenkins模型名称

Glossary of statistical terms

Language Description

English Box-Jenkins model

French modèle de Box-Jenkins

German Box-Jenkins-Modell

Dutch Box-Jenkins-model

Italian modello Box-Jenkins

Spanish modelo de Box-Jenkins

Catalan model de Box-Jenkins

Romanian modelul Box-Jenkins

Finnish Boxin-Jenkinsin mallit

Hungarian Box-Jenkins-modell

Turkish Box-Jenkins modeli

Estonian Box-Jenkinsi mudel

Lithuanian Box ir Jenkins modelis ; Bokso ir Dženkinso modelis

Slovenian Box-Jenkinsova model

Polish model Boxa-Jenkinsa

Russian Модель Бокса-Дженкинса

Ukrainian модель Бокса - Дженкінса

Farsi modele Box-Jenkins

Persian-Farsi مدل باکس-جنکينز

Arabic نموذج بوكس - جنكز

Afrikaans Box-Jenkins-model

Chinese 博克斯―詹金斯模型