Box-Jenkinsモデルとは何ですか？
Box-Jenkinsモデルは、指定された時系列からの入力に基づいてデータ範囲を予測するように設計された数学モデルです。 Box-Jenkinsモデルは、予測のためにさまざまなタイプの時系列データを分析できます。
その方法論は、データポイント間の違いを使用して結果を決定します。 この方法により、モデルは、自己回帰、移動平均、季節差を使用して傾向を特定し、予測を生成できます。 自己回帰統合移動平均（ARIMA）モデルは、Box-Jenkinsモデルの一種です。 ARIMAとBox-Jenkinsモデルという用語は同じ意味で使用できます。
重要なポイント
- Box-Jenkinsモデルは、回帰研究を使用した予測手法であり、時系列データの回帰に基づいてコンピューターで計算された予測として最適に使用され、18か月以下の期間内の予測に最適です。 ARIMA計算は、Rプログラミング言語のプログラム可能な統計ソフトウェアなどの高度なツールを使用して行われます。
Box-Jenkinsモデルの理解
Box-Jenkinsモデルは、ビジネスデータや将来のセキュリティ価格など、予想されるさまざまなデータポイントまたはデータ範囲の予測に使用されます。
Box-Jenkinsモデルは、2人の数学者George BoxとGwilym Jenkinsによって作成されました。 2人の数学者は、1970年の出版物「時系列分析：予測と制御」で、このモデルを構成する概念について議論しました。
Box-Jenkinsモデルのパラメーターの推定は非常に複雑になる可能性があります。 したがって、他の時系列回帰モデルと同様に、通常、プログラム可能なソフトウェアを使用することで最良の結果が得られます。 Box-Jenkinsモデルは、一般に18か月以下の短期予測にも最適です。
Box-Jenkinsの方法論
Box-Jenkinsモデルは、プログラムされた予測ソフトウェアを使用するときに予測担当者が遭遇する時系列分析モデルの1つです。 多くの場合、ソフトウェアは、予測される時系列データに基づいて最適な予測方法を自動的に使用するようにプログラムされます。 Box-Jenkinsは、主に安定性が低く、揮発性が低いデータセットの最上位の選択肢であると報告されています。
Box-Jenkinsモデルは、自己回帰、差分、移動平均の3つの原則を使用してデータを予測します。 これらの3つの原則は、それぞれp、d、qとして知られています。 各原理は、Box-Jenkins分析で使用され、まとめてARIMA（p、d、q）として表示されます。
自己回帰（p）プロセスは、データの定常性レベルをテストします。 使用されているデータが静止している場合、予測プロセスを簡素化できます。 使用されているデータが非定常である場合、それを区別する必要があります（d）。 データは、分析プロセスのパートqで行われる移動平均適合度についてもテストされます。 全体として、データの初期分析では、予測の開発に適用されるパラメーター（p、d、およびq）を決定することにより、予測の準備をします。
株価の予測
Box-Jenkinsモデル分析の1つの用途は、株価を予測することです。 この分析は通常、Rソフトウェアを使用して作成およびコーディングされます。 分析の結果、対数結果がデータセットに適用され、将来の指定期間の予測価格が生成されます。
