Modelo Box-Jenkins
¿Qué es el modelo Box-Jenkins?
El modelo de Box-Jenkins es un modelo matemático diseñado para pronosticar rangos de datos basados en entradas de una serie de tiempo específica. El modelo de Box-Jenkins puede analizar muchos tipos diferentes de datos de series de tiempo para realizar pronósticos.
Su metodología utiliza diferencias entre puntos de datos para determinar los resultados. La metodología permite que el modelo identifique tendencias usando 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 Modelo de Box-Jenkins se pueden usar indistintamente.
Conclusiones clave
- El modelo de 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 más adecuado para pronosticar dentro de marcos de tiempo de 18 meses o menos.
- En la actualidad, los cálculos de ARIMA se realizan con herramientas sofisticadas, como software estadístico programable en lenguaje de programación R.
Comprensión del modelo de Box-Jenkins
Los modelos de Box-Jenkins se utilizan para pronosticar una variedad de puntos de datos o rangos de datos anticipados, 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 componen este modelo en una publicación de 1970 «Análisis de series de tiempo: pronóstico y control».
Las estimaciones de los parámetros del modelo de Box-Jenkins pueden ser muy complicadas. Por lo tanto, al igual que otros modelos de regresión de series de tiempo, los mejores resultados se obtendrán normalmente mediante el uso de software programable. El modelo de Box-Jenkins también es generalmente más adecuado para pronósticos a corto plazo de 18 meses o menos.
Metodología Box-Jenkins
El modelo de Box-Jenkins es uno de los varios modelos de análisis de series de tiempo que encontrará un pronosticador cuando utilice un software de pronóstico programado. En muchos casos, el software se programará para utilizar automáticamente la metodología de pronóstico que mejor se ajuste en función de los datos de series de tiempo que se van a pronosticar. Se informa que Box-Jenkins es la mejor opción para conjuntos de datos que son en su mayoría estables con baja volatilidad.
El modelo de Box-Jenkins pronostica datos utilizando tres principios, autorregresión, diferenciación y promedio móvil. Estos tres principios se conocen como p, dyq respectivamente. Cada principio se utiliza 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, puede simplificar el proceso de pronóstico. Si los datos que se utilizan no son estacionarios, será necesario diferenciarlos (d). Los datos también se prueban para determinar su ajuste de 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, dyq) que se aplican para desarrollar un pronóstico.
Previsión de precios de acciones
Un uso del análisis del modelo de Box-Jenkins es pronosticar los precios de las acciones. Este análisis generalmente se construye 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.