ScholarGate
Asistents
Regression model

ARIMA (autoregresīvais integrētais slīdošā vidējā) modelis

ARIMA ir vienfaktora laika rindu prognozēšanas modelis, kas apvieno autoregresīvās, integrētās (diferencēšanas) un slīdošā vidējā komponentes, lai prognozētu vienu nepārtrauktu rindu, balstoties uz tās pašas pagātnes vērtībām. Tas ir Box-Jenkins metodoloģijas centrālais elements, kas aprakstīts Box, Jenkins, Reinsel & Ljung darbā "Time Series Analysis" (5. izdevums, 2015).

Pielietot ar EconMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

ARIMA (autoregresīvais integrētais slīdošā vidējā) modelis
Vienkāršā un dubultā eks…Generalizētā autoregresī…Parastā mazāko kvadrātu…SARIMA (Seasonālais ARIM…Vektora autoregresijas (…Paplašinātais Dīkija-Ful…Autoformer: Transformer…Bayesian Structural Time…Breuša-Godfrija LM tests…Kointegrācijas tests (Jo…

+39 more

Avoti

  1. Box, G. E. P., Jenkins, G. M., Reinsel, G. C. & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley. ISBN: 978-1118675021

Kā citēt šo lapu

ScholarGate. (2026, June 1). Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/lv/econometrics/arima

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

Uz to atsaucas

Paplašinātais Dīkija-Fullera (ADF) vienības saknes testsAutoformer: Transformer ar dekompozīciju ilgtermiņa laika virkņu prognozēšanaiBayesian Structural Time SeriesBreuša-Godfrija LM tests seriālai korelācijaiKointegrācijas tests (Johansena / Engla-Grangera)Nosacītais riska apmērs (paredzamais deficīts)Konformālā prognozēšana laika sēriju prognozēšanaiMetode Dž. Krostona nepārtrauktai pieprasījuma prognozēšanaiDCC-GARCH (dinamiskā nosacītā korelācija)DeepARDLinear: Dekompozīcijas lineārais modelis laika sēriju prognozēšanaiEGARCH (Exponential GARCH)ETS: Kļūda, tendence, sezonas eksponenciālā izlīdzināšanaVienkāršā un dubultā eksponenciālā izlīdzināšana (SES / Holt)Ekstrēmo vērtību teorija (EVT)Generalizētā autoregresīvā nosacītā heteroskedastiskuma (GARCH) modelisGARCH modelis (volatilitātes prognozēšana)GJR-GARCH (Asimetriskais GARCH)GM(1,1) pelēkās prognozēšanas modelisHolt-Winters trīskāršā eksponenciālā izlīdzināšanaInformerJohansena kointegrācijas tests un Vektora kļūdu korekcijas modelisKalmana filtrsKPSS stacionaritātes testsLī-Kārtera modelisLjung-Boksa Q tests autokorelācijaiModeļi ar ilgu atmiņu (ARFIMA, FIGARCH)Markov režīmu pārslēgšanās modelis (MS-AR / MS-VAR)Vidējās-variances portfeļa optimizācija (Markovics)Regresija MIDAS: prognozēšana, izmantojot dažādas datu frekvencesN-BEATSN-HiTSPatchTSTFilipsa-Perona (PP) vienības saknes testsRealizētā volatilitāte un HAR modelisSARIMAXValsts telpas modelis (Kalmana filtrs)STL sadalīšana: Sezonālās-trendu sadalīšana, izmantojot LoessStrukturālais laika sēriju modelis (Pamata strukturālais modelis)TBATSTemporal Fusion TransformerTētas metodeLaika sēriju krusteniskā validācija (slīdošais/paplašinošais logs)Vērtība pie riska (VaR)Vektora autoregresijas (VAR) modelisVektora kļūdu labojuma modelis (VECM)X-13ARIMA-SEATS sezonālā korekcija

Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →

ScholarGate — ARIMA (Autoregressive Integrated Moving Average Model). Izgūts 2026-06-15 no https://scholargate.app/lv/econometrics/arima · Datu kopa: https://doi.org/10.5281/zenodo.20539026