الانتقال من المتوسط - نموذج الحسابية

المتوسطات المتحركة المرجح أساسيات. على مر السنين، وقد وجدت الفنيين اثنين من المشاكل مع المتوسط ​​المتحرك البسيط والمشكلة الأولى تكمن في الإطار الزمني للمتوسط ​​المتحرك ما ويعتقد معظم المحللين الفنيين أن حركة السعر فتح أو إغلاق سعر السهم، ليست كافية والتي تعتمد على التنبؤ بشكل صحيح إشارات الشراء أو البيع لعمل كروسوفر للتحكم في هذه المشكلة، يقوم المحللون الآن بتخصيص المزيد من الوزن لأحدث بيانات الأسعار باستخدام المتوسط ​​المتحرك السلس المتوسط ​​بشكل متزايد. مزيد من المعلومات في استكشاف المتوسط ​​المتحرك المتزايد أضعافا مضاعفة مثال على سبيل المثال، باستخدام ما 10 أيام، فإن المحلل يأخذ سعر الإغلاق لليوم العاشر ويضاعف هذا الرقم قبل 10، في اليوم التاسع من تسعة، في اليوم الثامن من قبل ثمانية وهلم جرا إلى أول من ما بعد تحديد المجموع، سيقوم المحلل بعد ذلك بتقسيم الرقم بإضافة المضاعفات إذا أضفت مضاعفات المثال على مدى 10 أيام، فإن الرقم هو 55 يعرف هذا المؤشر ب s المتوسط ​​المتحرك المرجح الخطي للقراءة ذات الصلة، تحقق من المتوسطات المتحركة البسيطة جعل الاتجاهات تقف. العديد من الفنيين مؤمنون بشدة في المتوسط ​​المتحرك أملس أضعيا إما وقد تم شرح هذا المؤشر في العديد من الطرق المختلفة التي يخلط بين الطلاب والمستثمرين على حد سواء ربما فإن أفضل تفسير يأتي من جون J ميرفي التحليل الفني للأسواق المالية، الذي نشره معهد نيويورك للمالية، 1999. المتوسط ​​المتحرك الممتد أضعافا مضاعفة يعالج كلا من المشاكل المرتبطة بالمتوسط ​​المتحرك البسيط أولا، متوسطات التعيين المنتظمة أضعافا مضاعفة وزنا أكبر للبيانات الأحدث وبالتالي فهو متوسط ​​متحرك مرجح ولكن في حين أنه يولي أهمية أقل لبيانات الأسعار الماضية، فإنه يشمل في حسابه جميع البيانات في حياة الصك بالإضافة إلى ذلك، يمكن للمستخدم أن ضبط الترجيح لإعطاء وزن أكبر أو أقل لسعر اليوم الأخير، والتي تضاف إلى نسبة مئوية قيمة اليوم السابق قيمة كل من قيم النسبة المئوية تضيف ما يصل إلى 100. على سبيل المثال، يمكن تخصيص سعر اليوم الأخير ووزن 10 10، الذي يضاف إلى وزن الأيام السابقة من 90 90 وهذا يعطي في اليوم الأخير 10 من إجمالي الترجيح سيكون هذا ما يعادل متوسط ​​20 يوما، من خلال إعطاء السعر في الأيام الأخيرة قيمة أقل من 5 05.Figure 1 المتوسط ​​المتحرك الملحوظ أضعافا مضاعفة. يظهر الرسم البياني أعلاه مؤشر ناسداك المركب من الأسبوع الأول في أغسطس 2000 إلى 1 يونيو 2001 كما يمكنك أن ترى بوضوح، إما، والتي في هذه الحالة تستخدم بيانات سعر الإغلاق خلال فترة تسعة أيام، لديها إشارات بيع محددة في 8 سبتمبر تميزت لأسفل أسود لأسفل كان هذا اليوم أن المؤشر كسر دون مستوى 4000 يظهر السهم الأسود الثاني آخر أسفل الساق التي الفنيين كانوا يتوقعون في الواقع أن ناسداك لا يمكن أن تولد ما يكفي من حجم والفائدة من المستثمرين التجزئة لكسر علامة 3000 ثم ثم ينزل مرة أخرى إلى أسفل إلى أسفل في 1619 58 في أبر 4 الاتجاه الصعودي ل 12 أبريل يتميز بالسهم وهنا أغلق المؤشر عند 1،961 46، وبدأ الفنيون في رؤية مديري الصناديق المؤسسية بدءا من التقاط بعض الصفقات مثل سيسكو ومايكروسوفت وبعض القضايا المتعلقة بالطاقة قراءة مقالاتنا ذات الصلة نقل متوسط ​​المغلفات التكرير A أداة التداول الشعبي ومتوسط ​​الحركة المرتفعة. الحد الأقصى للمبلغ الذي يمكن للولايات المتحدة اقتراضه تم إنشاء سقف الدين بموجب قانون سندات الحرية الثاني. معدل الفائدة الذي تقدم به مؤسسة الإيداع الأموال المحفوظة في مجلس الاحتياطي الاتحادي إلى مؤسسة إيداع أخرى. 1 مقياس إحصائي لتشتت العائدات لمؤشر أمني أو سوق معين يمكن قياس التقلب. أما العمل الذي أقره الكونغرس الأمريكي في عام 1933 باعتباره قانون البنوك الذي يحظر على المصارف التجارية المشاركة في الاستثمار. وتشير الرواتب غير التجارية إلى أي العمل خارج المزارع والأسر الخاصة والقطاع غير الربحي مكتب العمل الأمريكي. اختصار العملة أو رمز العملة ل الروبية الهندية إنر، عملة الهند تتكون الروبية من 1.Stata تحليل البيانات والبرمجيات الإحصائية. نيكولاس J كوكس، جامعة دورهام، المملكة المتحدة كريستوفر باوم، بوسطن College. egen، ما والقيود المفروضة عليه. لحساب المتوسطات المتحركة هي الدالة ما من إيجن نظرا للتعبير، فإنه يخلق المتوسط ​​المتحرك - period من هذا التعبير افتراضيا، تؤخذ على أنها 3 يجب أن تكون غريبة. ومع ذلك، كما يشير الإدخال اليدوي، إغن، قد لا تكون مجتمعة مع فارليست، ولهذا السبب وحده، فإنه لا ينطبق على بيانات لوحة في أي حال، فإنه يقف خارج مجموعة من الأوامر المكتوبة خصيصا لسلاسل زمنية انظر سلسلة زمنية للحصول على التفاصيل. المنهجية البديلة. لحساب المتوسطات المتحركة للبيانات لوحة، هناك على الأقل اثنين من الخيارات على حد سواء تعتمد على مجموعة البيانات التي كانت تسيت مسبقا هذا هو جدير جدا لا يمكنك فقط حفظ نفسك مرارا وتكرارا تحديد متغير لوحة ومتغير الوقت، ولكن ستاتا يتصرف بذكاء إعطاء أي ثغرات في البيانات 1 اكتب التعريف الخاص بك باستخدام توليد. استخدام مشغلي سلسلة الوقت مثل L و F إعطاء تعريف المتوسط ​​المتحرك كوسيطة إلى بيان توليد إذا قمت بذلك، أنت، بطبيعة الحال، لا تقتصر على المساواة على سبيل المثال، فإن المتوسطات المتحركة ذات الثلاث فترات المرجح على قدم المساواة ستعطى من قبل. ويمكن تحديد بعض الأوزان بسهولة. يمكنك، بطبيعة الحال، تحديد تعبير مثل سجل ميفار بدلا من اسم متغير مثل myvar. One ميزة كبيرة من هذا النهج هو أن ستاتا تلقائيا يفعل الشيء الصحيح للبيانات لوحة الرائدة والقيم المتخلفة يتم العمل بها داخل لوحات، تماما كما يملي المنطق يجب أن تكون العيب أبرز هو أن سطر الأوامر يمكن أن يكون طويلا إلى حد ما إذا كان المتوسط ​​المتحرك ينطوي على عدة مصطلحات. وأحد الأمثلة على ذلك هو المتوسط ​​المتحرك من جانب واحد استنادا فقط إلى القيم السابقة وهذا يمكن أن يكون مفيدا لتوليد توقعات تكيفية لما فيل متغير لتر يستند فقط إلى المعلومات حتى الآن ما يمكن أن يتنبأ به شخص ما للفترة الحالية استنادا إلى القيم الأربع الماضية باستخدام مخطط الترجيح الثابت يمكن استخدام الفارق الزمني لمدة 4 فترات بشكل خاص مع فترات الفصول الفاصلة. استخدام مرشح وظيفة إيجين المستخدم من حزمة إغنمور على سك في ستاتا 7 التي تم تحديثها بعد 14 نوفمبر 2001، يمكنك تثبيت هذه الحزمة من قبل. بعد ذلك مساعدة إغنمور نقاط للتفاصيل على مرشح سيتم تقديم المثالين أعلاه. في هذه المقارنة قد يكون نهج توليد أكثر شفافية، ولكننا سوف نرى مثالا على العكس في لحظة الفواصل هي يؤدي نومليست التأخيرات السلبية في هذه الحالة -1 1 يوسع إلى -1 0 1 أو الرصاص 1، تأخر 0 ، تأخر 1 فيفينتس كويف، نوميليست آخر، مضاعفة المتخلفة أو العناصر الرائدة المقابلة في هذه الحالة تلك العناصر ميفار وتأثير الخيار تطبيع هو قياس كل معامل من مجموع المعاملات بحيث يكون 1 1 1 سوف التطبيع هو أي ما يعادل معاملات 1 3 1 3 1 3 و كويف 1 2 1 التطبيع يعادل معاملات 1 4 1 2 1 4. يجب عليك تحديد ليس فقط التأخر ولكن أيضا المعاملات لأن إغين، ما يوفر حالة مرجحة بالتساوي، و الأساس المنطقي الرئيسي ل إغين، مرشح هو لدعم حالة مرجحة غير متكافئة، والتي يجب عليك تحديد المعاملات ويمكن أيضا أن يقال أن إلزام المستخدمين لتحديد المعاملات هو القليل من الضغط عليهم على التفكير في ما هي المعاملات التي يريدون تبرير الرئيسي بالنسبة للأوزان المتساوية، فإننا نخمن، البساطة، ولكن الأوزان المتساوية لها خصائص نطاق تردد رديء، ناهيك عن اعتبار واحد فقط. المثال الثالث أعلاه يمكن أن يكون. أيهما هو مجرد مجرد معقدة مثل نهج توليد هناك حالات فيها إغن ، مرشح يعطي صيغة أبسط من توليد إذا كنت تريد مرشح ثنائي الحدين لمدة تسعة، والتي علماء المناخ تجد مفيدة، ثم. لعل ربما أقل رهيبة من وأسهل للحصول على الحق من. كما هو الحال مع نهج توليد، إغن، عامل تصفية يعمل بشكل صحيح مع بيانات لوحة في الواقع، كما ذكر أعلاه، فإنه يعتمد على مجموعة البيانات التي كانت تسيت مسبقا. الرسوم البيانية tip. After حساب المتوسطات المتحركة الخاصة بك، وربما كنت تريد أن ننظر إلى رسم بياني تسغراف الأوامر المكتوبة المستخدم ذكية حول مجموعات البيانات تسيت تثبيته في ما يصل إلى تاريخ ستاتا 7 التي كتبها سك إنست تسغراف. ماذا سوبسيتينغ مع إف. لا أحد الأمثلة أعلاه الاستفادة من إذا القيود في الواقع إغن، ما لن تسمح إذا كان سيتم تحديدها أحيانا الناس وا نت لاستخدام إذا عند حساب المتوسطات المتحركة، ولكن استخدامه هو أكثر تعقيدا قليلا مما هو عليه عادة. ماذا تتوقع من المتوسط ​​المتحرك تحسب مع إذا دعونا نحدد اثنين الاحتمالات. تفسير صحيح أنا لا أريد أن أرى أي نتائج ل والملاحظات المستبعدة. التفسير القوي أنا لا أريد حتى لك لاستخدام القيم للملاحظات المستبعدة. هنا مثال ملموس لنفترض كنتيجة لبعض إذا الشرط، الملاحظات 1-42 مدرجة ولكن لا الملاحظات 43 على ولكن المتوسط ​​المتحرك ل 42 سيعتمد، من بين أمور أخرى، على قيمة للمراقبة 43 إذا كان المتوسط ​​يمتد إلى الوراء وإلى الأمام وهو طول 3 على الأقل، وسوف تعتمد بالمثل على بعض الملاحظات 44 فصاعدا في بعض الظروف. خمننا هو أن معظم الناس سوف تذهب لتفسير ضعيفة، ولكن ما إذا كان هذا هو الصحيح، إغن، مرشح لا يدعم إذا كان إما يمكنك تجاهل دائما ما لا تريد أو حتى تعيين القيم غير المرغوب فيها إلى المفقودين بعد ذلك ب y باستخدام استبدال. ملاحظة عن النتائج المفقودة في نهايات السلسلة. لأن المتوسطات المتحركة هي وظائف من التأخر والعملاء، إغين، أماه تنتج مفقودة حيث لا توجد تأخرات والعملاء المحتملين، في بداية ونهاية السلسلة وهناك خيار نوميس يقيس حساب أقصر، غير متحرك المتوسطات المتحركة للذيول. على النقيض من ذلك، لا تولد ولا إغن، تصفية يفعل، أو يسمح، أي شيء خاص لتجنب النتائج المفقودة إذا كان أي من القيم اللازمة لحساب مفقود، ثم أن النتيجة مفقودة ذلك هو ما يصل إلى المستخدمين لتحديد ما إذا كان والجراحة التصحيحية المطلوبة لمثل هذه الملاحظات، ويفترض بعد النظر في مجموعة البيانات والنظر في أي علم الكامنة التي يمكن جلبها إلى تحمل. تقديم إلى أريما نماذج نونسونالونال. أريما p، د، ف التنبؤ معادلة أريما النماذج هي، من الناحية النظرية، الفئة الأكثر عمومية من النماذج للتنبؤ بسلسلة زمنية يمكن أن تكون ثابتة من خلال الاختلاف إذا لزم الأمر، ربما بالتزامن مع التحولات غير الخطية مثل التسجيل أو التفريغ إذا لزم الأمر المتغير العشوائي الذي هو عبارة عن سلسلة زمنية ثابت إذا كانت خصائصه الإحصائية ثابتة على مر الزمن سلسلة ثابتة لا يوجد لها اتجاه، وتغيراتها حول المتوسط ​​لها اتساع ثابت، ويتصارع بطريقة متسقة أي أن أنماطها الزمنية العشوائية قصيرة الأمد تبدو دائما بنفس المعنى الإحصائي. ويعني الشرط الأخير أن ارتباطات الترابط الذاتي مع انحرافاتها السابقة عن المتوسط ​​تظل ثابتة بمرور الوقت أو ما يعادلها أن طيف القدرة لا يزال ثابتا بمرور الوقت عشوائي يمكن أن ينظر إلى متغير هذا النموذج كالمعتاد على أنه مزيج من الإشارة والضوضاء، والإشارة إذا كان المرء ظاهرا يمكن أن يكون نمطا للانعكاس السريع أو البطيء أو التذبذب الجيبية أو التبدع السريع في الإشارة، ويمكن أن يكون أيضا عنصر موسمي يمكن النظر إلى نموذج أريما كمرشح يحاول فصل الإشارة عن الضوضاء، ثم يتم استقراء الإشارة في المستقبل إلى أوبت إن معادلة التنبؤ أريما لسلسلة زمنية ثابتة هي المعادلة الخطية أي الانحدار من نوع التي تتنبأ تتكون من تأخر المتغير التابع أو التأخر في أخطاء التنبؤ هذه هي قيمة. Predected من Y ثابت و أو مجموع مرجح لقيمة واحدة أو أكثر من القيم الأخيرة لل Y أو أو مجموع مرجح لقيمة أو أكثر من القيم الأخيرة للأخطاء. إذا كانت المتنبئات تتألف فقط من قيم متخلفة من Y فهي نموذج انحدار تلقائي نقي ذاتي التراجع، وهو مجرد نموذج خاص حالة نموذج الانحدار والتي يمكن تركيبها مع برامج الانحدار القياسية على سبيل المثال، نموذج الانحدار الذاتي الأول أر 1 ل Y هو نموذج الانحدار البسيط الذي المتغير المستقل هو فقط Y تخلفت بفترة واحدة لاغ Y، 1 في ستاتغرافيكس أو YLAG1 في ريجرسيت إذا كان بعض المتنبؤات متخلفة من الأخطاء، وهو نموذج أريما فإنه ليس نموذج الانحدار الخطي، لأنه لا توجد طريقة لتحديد آخر خطأ الفترة s كمتغير مستقل يجب أن تحسب الأخطاء (د) على أساس فترة إلى فترة عندما يكون النموذج مثبتا على البيانات من الناحية التقنية، فإن مشكلة استخدام الأخطاء المتأخرة كمنبئات هي أن تنبؤات النموذج ليست دالات خطية للمعاملات على الرغم من أنها وظائف خطية البيانات السابقة لذلك، فإن معاملات نماذج أريما التي تتضمن أخطاء متخلفة يجب تقديرها بطرق التحسين غير الخطية هيل-كليمبينغ بدلا من مجرد حل نظام المعادلات. الاسم المختصر أريما لتقف على الانحدار التلقائي المتتالي المتوسط ​​المتحرك المتخلف عن سلسلة مستقر في وتسمى معادلة التنبؤ مصطلحات الانحدار الذاتي، ويسمى التأخر في أخطاء التنبؤ المصطلحات المتحركة المتوسطة، وسلسلة زمنية التي تحتاج إلى أن تكون مختلفة لتكون ثابتة ويقال أن تكون نسخة متكاملة من سلسلة ثابتة المشي العشوائي والاتجاه العشوائي نماذج، نماذج الانحدار الذاتي، ونماذج التمهيد الأسي كلها حالات خاصة من نماذج أريما. ويصنف نموذج أريما نوناسونال كما أريما p، د، قم أودل، حيث p هو عدد مصطلحات الانحدار الذاتي d. هو عدد الاختلافات غير الموسمية اللازمة ل ستاتيوناريتي و and. q هو عدد الأخطاء المتوقعة في التنبؤ معادلة التنبؤ. يتم إنشاء معادلة التنبؤ على النحو التالي أولا، اسمحوا y دلالة الفرق d من Y مما يعني. لاحظ أن الفرق الثاني من حالة Y د 2 ليس الفرق من 2 منذ فترات بدلا من ذلك، هو الفرق الأول من الأول الفرق الذي هو التناظرية منفصلة من مشتقة ثانية، أي تسارع المحلي للسلسلة بدلا من اتجاهها المحلي. من حيث y معادلة التنبؤ العامة هي. هنا يتم تعريف المتوسطات المتحركة المتحركة s بحيث تكون علاماتها سلبية في المعادلة، وفقا للاتفاقية التي قدمها الصندوق و جينكينز بعض المؤلفين والبرمجيات بما في ذلك لغة البرمجة R تعريف لهم بحيث لديهم علامات زائد بدلا من ذلك عندما يتم توصيل الأرقام الفعلية في المعادلة، لا يوجد أي غموض، ولكن من المهم أن نعرف أي كونف إينتيون يستخدم البرنامج الخاص بك عندما كنت تقرأ الإخراج في كثير من الأحيان يشار إلى المعلمات هناك من قبل أر 1، أر 2، و ما 1، ما 2، إلخ. لتحديد نموذج أريما المناسب ل Y تبدأ بتحديد ترتيب الفرق د التي تحتاج إلى ستاتاريز السلسلة وإزالة الميزات الإجمالية للموسمية، وربما بالتزامن مع التحول استقرار التباين مثل قطع الأشجار أو الانهيار إذا كنت تتوقف عند هذه النقطة والتنبؤ بأن سلسلة ديفيرنتد ثابت، لديك مجرد تركيب المشي العشوائي أو نموذج الاتجاه العشوائي ومع ذلك، فإن سلسلة ثابتة قد لا تزال لديها أخطاء أوتوكوريلاتد، مما يشير إلى أن بعض عدد من المصطلحات أر p 1 و أو بعض عدد الشروط ما q 1 هناك حاجة أيضا في معادلة التنبؤ. عملية تحديد قيم p، d، و q التي هي الأفضل لسلسلة زمنية معينة سيتم مناقشتها في أقسام لاحقة من الملاحظات التي الروابط في الجزء العلوي من هذه الصفحة، ولكن معاينة لبعض أنواع نماذج أريما نونسونالونال التي هي كوم ويظهر أدناه. أريما 1،0،0 نموذج الانحدار الذاتي من الدرجة الأولى إذا كانت السلسلة ثابتة و أوتوكوريلاتد، وربما يمكن التنبؤ بها على أنها متعددة من قيمتها السابقة، بالإضافة إلى ثابت معادلة التنبؤ في هذه الحالة. وهو Y تراجع على نفسه متخلفا بفترة واحدة هذا نموذج أريما 1،0،0 ثابت إذا كان متوسط ​​Y هو صفر، فإن المصطلح الثابت لن يتم تضمينه. إذا كان معامل الانحدار 1 موجبا وأقل من 1 في يجب أن يكون حجمه أقل من 1 في الحجم إذا كان Y ثابتا، يصف النموذج سلوك التراجع المتوسط ​​الذي ينبغي التنبؤ فيه بقيمة الفترة التالية لتكون 1 مرة بعيدا عن المتوسط ​​كقيمة هذه الفترة s إذا كان 1 سالبا، فإنه يتنبأ بسلوك متوسط ​​التراجع بتناوب علامات، أي أنه يتوقع أيضا أن Y سيكون أقل من متوسط ​​الفترة التالية إذا كان فوق متوسط ​​هذه الفترة. في نموذج الدرجة الثانية من الانحدار الذاتي أريما 2،0،0، سيكون هناك مصطلح Y-2 على اليمين كذلك، وهلم جرا اعتمادا على يمكن أن يصف نموذج 2،0،0 أريما نظاما له انعكاس متوسط ​​يحدث بطريقة تتأرجح جيبيا، مثل حركة كتلة في فصل الربيع الذي يتعرض للصدمات العشوائية. أريما 0، 1،0 المشي العشوائي إذا كانت السلسلة Y ليست ثابتة، أبسط نموذج ممكن لأنه هو نموذج المشي العشوائي، والتي يمكن اعتبارها حالة الحد من نموذج أر 1 التي يساوي معامل الانحدار الذاتي 1، أي سلسلة مع تباطؤ معدل بطيء بلا حدود يمكن كتابة معادلة التنبؤ لهذا النموذج كما. حيث أن المصطلح الثابت هو متوسط ​​الفترة إلى فترة التغيير أي الانجراف على المدى الطويل في Y ويمكن تركيب هذا النموذج كنموذج الانحدار عدم اعتراض في حيث أن الفارق الأول من Y هو المتغير التابع لأنه لا يتضمن إلا اختلافا غير منطقي ومدة ثابتة، فإنه يصنف على أنه نموذج أريما 0،1،0 مع ثابت نموذج المشي العشوائي بدون الانجراف سيكون أريما 0 ، 1،0 نموذج دون ثابت ريما 1،1،0 اختلافا عن نموذج الانحدار الذاتي من الدرجة الأولى إذا كانت أخطاء نموذج المشي العشوائي هي أوتوكوريلاتد، ربما يمكن إصلاح المشكلة عن طريق إضافة تأخر واحد من المتغير التابع إلى معادلة التنبؤ - أي عن طريق التراجع عن الاختلاف الأول من Y على نفسها متخلفة بفترة واحدة وهذا من شأنه أن يسفر عن معادلة التنبؤ التالية. التي يمكن إعادة ترتيبها إلى. هذا هو نموذج الانحدار الذاتي من الدرجة الأولى مع ترتيب واحد من اختلاف نونسوناسونال ومدة ثابتة - أي نموذج أريما 1،1،0.ARIMA 0،1،1 دون التمهيد الأسي المستمر المستمر وهناك استراتيجية أخرى لتصحيح الأخطاء أوتوكوريلاتد في نموذج المشي العشوائي يقترحها نموذج التجانس الأسي بسيط أذكر أن لبعض السلاسل الزمنية غير المستقرة مثل تلك التي تظهر تقلبات صاخبة حول متوسط ​​ببطء متفاوتة ، فإن نموذج المشي العشوائي لا يؤدي كذلك متوسطا متحركا للقيم السابقة وبعبارة أخرى، بدلا من أخذ الملاحظة الأخيرة كتوقعات الملاحظة التالية، من الأفضل استخدام متوسط ​​الملاحظات القليلة الأخيرة من أجل تصفية الضوضاء وتقدير المتوسط ​​المحلي بدقة أكبر. يستخدم نموذج التمهيد الأسي البسيط متوسطا متحركا أضعافا مضاعفة للقيم السابقة لتحقيق هذا التأثير معادلة التنبؤ للأسي البسيط يمكن أن يكون نموذج التمهيد مكتوبا بعدد من الأشكال المكافئة رياضيا واحد منها هو ما يسمى شكل تصحيح الخطأ الذي يتم فيه تعديل التنبؤ السابق في اتجاه الخطأ الذي ارتكبه. لأن e t-1 Y t-1 - t-1 حسب التعريف، وهذا يمكن إعادة كتابة as. which هو أريما 0،1،1 - without ثابت معادلة التنبؤ مع 1 1 - وهذا يعني أنه يمكنك تناسب تمهيد الأسي بسيط من خلال تحديده باعتباره أريما 0،1 ، ونموذج واحد بدون ثابت، ويقابل معامل ما 1 المقدر 1-ناقص ألفا في صيغة سيس تذكر أنه في نموذج سيس، متوسط ​​عمر البيانات في التنبؤات بفترة زمنية واحدة هو 1 يعني أنها سوف تميل إلى التخلف عن ر نقاط أو نقاط تحول بحوالي 1 فترة. ويترتب على ذلك أن متوسط ​​عمر البيانات في التنبؤات السابقة على الفترة الزمنية لنموذج أريما 0،1،1 بدون ثابت هو 1 1 - 1 لذلك، على سبيل المثال، إذا كان 1 0 8، متوسط ​​العمر هو 5 كمقاربات 1، يصبح النموذج أريما 0،1،1 - without-كونتراكت متوسطا متحركا طويل المدى جدا، وكما يقترب من 1 يصبح يصبح المشي العشوائي بدون انحراف موديل. ما هي أفضل طريقة لتصحيح الارتباط الذاتي بإضافة مصطلحات أر أو إضافة مصطلحات ما في النموذجين السابقين اللذين تمت مناقشتهما أعلاه، تم إصلاح مشكلة الأخطاء ذات الصلة في نموذج المشي العشوائي بطريقتين مختلفتين بإضافة قيمة متخلفة من الاختلاف سيريز إلى المعادلة أو إضافة قيمة متخلفة من خطأ التنبؤ أي النهج هو الأفضل قاعدة الإبهام لهذا الوضع، والتي سيتم مناقشتها بمزيد من التفصيل في وقت لاحق، هو أن الارتباط الذاتي الإيجابي عادة ما يعامل بشكل أفضل عن طريق إضافة مصطلح أر إلى النموذج والعلاقة الذاتية السلبية عادة ما تتم معالجتها بشكل أفضل بإضافة مصطلح ما في ب وسلسلة الوقت الاقتصادي والسلع الزمنية الاقتصادية، وغالبا ما تنشأ الارتباط الذاتي السلبي باعتباره قطعة أثرية من الاختلاف بشكل عام، والاختلاف يقلل من الارتباط الذاتي الإيجابي، وحتى قد يسبب التحول من الإيجابية إلى السلبية الترابط الذاتي لذلك، أريما 0،1،1 النموذج، الذي يرافق اختلاف وهو مصطلح أكثر استخداما من أريما 1،1،0 نموذج. أريما 0،1،1 مع تمهيد الأسي المستمر المستمر مع النمو من خلال تنفيذ نموذج سيس كنموذج أريما، كنت فعلا كسب بعض المرونة أولا وقبل كل شيء، يسمح معامل ما 1 المقدر بأن يكون سالبا هذا يتوافق مع عامل تمهيد أكبر من 1 في نموذج سيس، والذي عادة ما لا يسمح به إجراء تركيب نموذج سيس. ثانيا، لديك خيار تضمين مدة ثابتة في أريما نموذج إذا كنت ترغب في ذلك، من أجل تقدير متوسط ​​الاتجاه غير الصفر نموذج أريما 0،1،1 مع ثابت لديه معادلة التنبؤ. التوقعات فترة واحدة قبل هذا النموذج هي مماثلة نوعيا لتلك التي من سيس، إلا أن مسار التنبؤات الطويلة الأجل عادة ما يكون خطا منحدرا يساوي ميله مو بدلا من خط أفقي. أريما 0،2،1 أو 0،2،2 بدون تمهيد أسي خطي ثابت ثابت تمهيد أسي خطي نماذج هي نماذج أريما التي تستخدم اثنين من الاختلافات نونسوناسيونال بالتزامن مع شروط ما والفرق الثاني من سلسلة Y ليس مجرد الفرق بين Y وتخلف نفسها بفترتين، وإنما هو الفرق الأول من الفرق الأول --ie التغير في تغيير Y في الفترة t وهكذا، فإن الفرق الثاني Y في الفترة t يساوي Y t - Y t-1 - Y t-1 - Y t-2 Y t - 2Y t-1 Y t-2 الفرق الثاني لوظيفة منفصلة مشابه لمشتقة ثانية من دالة مستمرة يقيس التسارع أو الانحناء في الدالة عند نقطة معينة من الزمن. أريما 0،2،2 النموذج بدون توقع مستمر أن الثانية الفرق في السلسلة يساوي الدالة الخطية من آخر اثنين من الأخطاء المتوقعة. الذي c يتم إعادة ترتيبها as. where 1 و 2 هما ما 1 و ما 2 معاملات هذا هو نموذج التجانس الأسي العام خطي أساسا نفس نموذج هولت، ونموذج براون هو حالة خاصة ويستخدم المتوسطات المتحركة المرجح أضعافا مضاعفة لتقدير كل من على المستوى المحلي واتجاه محلي في سلسلة تتنبأ التوقعات على المدى الطويل من هذا النموذج إلى خط مستقيم الذي يعتمد المنحدر على الاتجاه المتوسط ​​لوحظ نحو نهاية السلسلة. أريما 1،1،2 دون ثابت خطي الاتجاه الاتجاه تمهيد هذا النموذج في الشرائح المصاحبة على نماذج أريما فإنه يستقلب الاتجاه المحلي في نهاية السلسلة ولكن تسطح بها في آفاق توقعات أطول لإدخال مذكرة من المحافظة، وهي الممارسة التي لديها دعم تجريبي انظر المقال على لماذا يعمل الاتجاه المخفف بواسطة غاردنر و ماكنزي و مقالة القاعدة الذهبية من قبل أرمسترونغ وآخرون للحصول على التفاصيل. ومن المستحسن عموما التمسك النماذج التي واحد على الأقل من p و q لا يزيد عن 1، أي لا تحاول أن تناسب نموذج مثل أريما 2،1،2، وهذا من المرجح أن يؤدي إلى الإفراط في العمل والقضايا المشتركة عامل التي نوقشت بمزيد من التفصيل في الملاحظات على الهيكل الرياضي من نماذج أريما. تنفيذ جدول أريما أريما نماذج مثل تلك المذكورة أعلاه سهلة التنفيذ على جدول بيانات معادلة التنبؤ هي مجرد معادلة خطية تشير إلى القيم السابقة من سلسلة زمنية الأصلية والقيم الماضية من الأخطاء وهكذا، يمكنك إعداد جدول بيانات التنبؤ أريما عن طريق تخزين البيانات في العمود ألف، وصيغة التنبؤ الواردة في العمود باء، وبيانات الأخطاء مطروحا منها التنبؤات الواردة في العمود C. وتكون صيغة التنبؤ في خلية نموذجية في العمود B مجرد تعبير خطي يشير إلى القيم في الصفوف السابقة من العمودين A و C مضروبة في معاملات أر أو ما المناسبة المخزنة في خلايا أخرى في جدول البيانات.