الانتقال المتوسط - متغيرة الفترة

المتوسط ​​المتحرك مصطلح التحليل الفني يعني متوسط ​​سعر الضمان خلال فترة زمنية محددة (الأكثر شيوعا هو 20 و 30 و 50 و 100 و 200 يوم)، وذلك من أجل تحديد اتجاهات التسعير من خلال تسطيح التقلبات الكبيرة. وربما يكون هذا هو المتغير الأكثر استخداما في التحليل الفني. يتم استخدام بيانات المتوسط ​​المتحرك لإنشاء مخططات تظهر ما إذا كان سعر السهم يتجه صعودا أو هبوطا. ويمكن استخدامها لتتبع الأنماط اليومية أو الأسبوعية أو الشهرية. يتم إضافة كل أيام جديدة (أو أسابيع أو أشهر) الأرقام إلى المتوسط ​​ويتم إسقاط أقدم الأرقام وبالتالي، فإن المتوسط ​​يتحرك بمرور الوقت. بشكل عام. وكلما قلت المدة الزمنية المستخدمة، كلما زادت الأسعار المتقلبة، فعلى سبيل المثال، تميل خطوط المتوسط ​​المتحرك ل 20 يوما إلى التحرك صعودا وهبوطا لأكثر من 200 يوم من خطوط المتوسط ​​المتحرك. نظام كيجون نظام مولتيرول ستارك نطاقات نازح المتوسط ​​المتحرك قناة كيلتنر مكليلان خط الزناد مذبذب كوبيرايت كوبي 2017 ويبفينانس، Inc. جميع الحقوق محفوظة. يحظر تماما الازدواجية غير المصرح بها، كليا أو جزئيا، إضافة اتجاه أو متوسط ​​خط متحرك إلى رسم بياني ينطبق على: إكسيل 2016 ورد 2016 بويربوانت 2016 إكسيل 2013 ورد 2013 أوتلوك 2013 بويربوانت 2013 أكثر. أقل لعرض اتجاهات البيانات أو التحرك المتوسطات في مخطط قمت بإنشائه. يمكنك إضافة خط الاتجاه. يمكنك أيضا تمديد خط اتجاه يتجاوز البيانات الفعلية للمساعدة في التنبؤ القيم المستقبلية. على سبيل المثال، يتنبأ خط الاتجاه الخطي التالي بربعين قبل ذلك ويظهر بوضوح اتجاها تصاعديا يبدو واعدا للمبيعات المستقبلية. يمكنك إضافة خط الاتجاه إلى مخطط 2-D التي ليست مكدسة، بما في ذلك المنطقة، شريط، العمود، الخط، الأسهم، مبعثر، و فقاعة. لا يمكنك إضافة خط الاتجاه إلى مكدسة، 3-D، الرادار، فطيرة، سطح، أو الرسم البياني دونات. إضافة خط الاتجاه في المخطط، انقر على سلسلة البيانات التي تريد إضافة خط اتجاه أو متوسط ​​متحرك لها. سيبدأ خط الاتجاه على نقطة البيانات الأولى لسلسلة البيانات التي تختارها. حدد المربع تريندلين. لاختيار نوع مختلف من خط الاتجاه، انقر على السهم بجوار تريندلين. ثم انقر فوق الأسي. توقعات خطية. أو اثنين من فترة الانتقال المتوسط. بالنسبة لخطوط الاتجاه الإضافية، انقر على المزيد من الخيارات. إذا اخترت المزيد من الخيارات. انقر فوق الخيار الذي تريده في جزء "تنسيق الاتجاه" ضمن خيارات تريندلاين. إذا قمت بتحديد الحدودي. أدخل أعلى قوة للمتغير المستقل في المربع الأمر. إذا حددت متوسط ​​النقل. أدخل عدد الفترات لاستخدامها لحساب المتوسط ​​المتحرك في المربع الفترة. نصيحة: خط الاتجاه هو الأكثر دقة عندما تكون قيمة R-سكارد (عدد من 0 إلى 1 تكشف عن مدى دقة القيم المقدرة لخط الاتجاه تتوافق مع بياناتك الفعلية) عند أو بالقرب من 1. عند إضافة خط اتجاه إلى بياناتك ، يقوم إكسيل تلقائيا بحساب قيمة R-سكارد. يمكنك عرض هذه القيمة على المخطط الخاص بك عن طريق التحقق من قيمة العرض R-سكارد على مربع الرسم البياني (تنسيق جزء الاتجاه، خيارات تريندلاين). يمكنك معرفة المزيد عن جميع خيارات خط الاتجاه في الأقسام أدناه. خط الاتجاه الخطي استخدم هذا النوع من خط الاتجاه لإنشاء خط مستقيم أفضل تناسب لمجموعات البيانات الخطية البسيطة. البيانات الخاصة بك خطية إذا كان النمط في نقاط البيانات الخاصة به يشبه خط. خط الاتجاه الخطي عادة ما يظهر أن شيئا ما يتزايد أو ينخفض ​​بمعدل ثابت. يستخدم خط الاتجاه الخطي هذه المعادلة لحساب المربعات الصغرى تناسب لخط: حيث m هو المنحدر و b هو اعتراض. ويبين الخط الاتجاهي التالي أن مبيعات الثلاجات زادت باستمرار على مدى 8 سنوات. لاحظ أن قيمة R-سكارد (عدد من 0 إلى 1 الذي يكشف عن مدى دقة القيم المقدرة لخط الاتجاه تتوافق مع البيانات الفعلية الخاصة بك) هو 0.9792، وهو مناسب تماما للخط إلى البيانات. عرض خط منحني أفضل تناسب، وهذا الاتجاه هو مفيد عندما معدل التغير في البيانات يزيد أو ينخفض ​​بسرعة ثم مستويات خارج. خط الاتجاه اللوغاريتمي يمكن أن يستخدم القيم السلبية والإيجابية. يستخدم خط الاتجاه اللوغاريتمي هذه المعادلة لحساب المربعات الصغرى تناسب من خلال النقاط: حيث c و b هي الثوابت و لن هي وظيفة اللوغاريتم الطبيعي. ويظهر خط الاتجاه اللوغاريتمي التالي النمو السكاني المتوقع للحيوانات في منطقة ذات مساحة ثابتة، حيث انخفض عدد السكان المستخرج كمساحة للحيوانات. لاحظ أن قيمة R-سكارد هي 0.933، وهو مناسب نسبيا من الخط إلى البيانات. يعد هذا الاتجاه مفيدا عندما تتقلب بياناتك. على سبيل المثال، عند تحليل المكاسب والخسائر على مجموعة بيانات كبيرة. ترتيب الحدودي يمكن تحديدها من قبل عدد من التقلبات في البيانات أو عدد الانحناءات (التلال والوديان) تظهر في المنحنى. عادة، يوجد خط اتجاه متعدد الحدود من أجل 2 يحتوي على تلة أو وادي واحد فقط، ويشتمل الأمر 3 على واحد أو اثنين من التلال أو الوديان، ويوجد في الأمر 4 ما يصل إلى ثلاثة تلال أو وديان. خط الاتجاه متعدد الحدود أو المنحني يستخدم هذه المعادلة لحساب المربعات الصغرى تناسب من خلال النقاط: حيث b والثوابت. ويظهر خط الاتجاه 2 متعدد الحدود التالي (تلة واحدة) العلاقة بين سرعة القيادة واستهلاك الوقود. لاحظ أن قيمة R-سكارد هي 0.979، التي هي قريبة من 1 حتى الخطوط تناسب البيانات. عرض خط المنحني، هذا الاتجاه هو مفيد لمجموعات البيانات التي تقارن القياسات التي تزداد بمعدل معين. على سبيل المثال، تسارع سيارة سباق في فترات 1 ثانية. لا يمكنك إنشاء خط اتجاه طاقة إذا كانت بياناتك تحتوي على قيم صفر أو سلبية. يستخدم خط الاتجاه الطاقة هذه المعادلة لحساب المربعات الصغرى تناسب من خلال نقاط: حيث c و b هي الثوابت. ملاحظة: لا يتوفر هذا الخيار عندما تتضمن البيانات قيما سلبية أو صفرية. يظهر مخطط قياس المسافة التالي المسافة بالأمتار بالثواني. يوضح خط التيار الكهربائي بوضوح تسارع متزايد. لاحظ أن قيمة R-سكارد هو 0.986، وهو مثاليا تقريبا من الخط إلى البيانات. عرض خط المنحني، وهذا الاتجاه هو مفيد عندما ترتفع قيم البيانات أو تنخفض بمعدل متزايد باستمرار. لا يمكنك إنشاء خط اتجاه أسي إذا كانت بياناتك تحتوي على قيم صفر أو سلبية. يستخدم خط الاتجاه الأسي هذه المعادلة لحساب المربعات الصغرى التي تناسب من خلال النقاط: حيث c و b هي الثوابت و e هو قاعدة اللوغاريتم الطبيعي. ويظهر خط الاتجاه الأسي التالي تناقص كمية الكربون 14 في جسم ما عند عمره. لاحظ أن قيمة R-سكارد هي 0.990، مما يعني أن الخط يناسب البيانات تقريبا تقريبا. موفينغ ترافيك ترندلين هذا الاتجاه يدل على تقلبات في البيانات لإظهار نمط أو اتجاه أكثر وضوحا. يستخدم المتوسط ​​المتحرك عددا محددا من نقاط البيانات (يحددها خيار الفترة)، ويتوسطها، ويستخدم متوسط ​​القيمة كنقطة في السطر. على سبيل المثال، إذا تم تعيين الفترة إلى 2، يتم استخدام متوسط ​​أول نقطتي بيانات كنقطة أولى في خط الاتجاه المتوسط ​​المتحرك. ويستخدم متوسط ​​نقاط البيانات الثانية والثالثة كنقطة ثانية في خط الاتجاه، وما إلى ذلك. ويستخدم خط الاتجاه المتوسط ​​المتحرك هذه المعادلة: عدد النقاط في خط اتجاه متوسط ​​متحرك يساوي العدد الإجمالي للنقاط في السلسلة، مطروحا منه الرقم الذي تحدده للفترة. في المخطط المبعثر، يقوم خط الاتجاه بناء على ترتيب القيم x في المخطط. للحصول على نتيجة أفضل، صنف القيم x قبل إضافة متوسط ​​متحرك. يظهر خط الاتجاه المتوسط ​​التالي نمطا في عدد المنازل المباعة على مدى 26 أسبوعا. تقديم إلى أريما: نماذج غير عادية أريما (p، d، q) التنبؤ المعادلة: نماذج أريما هي، من الناحية النظرية، الطبقة الأكثر عمومية من نماذج للتنبؤ بسلاسل زمنية يمكن أن تكون 8220stationary8221 عن طريق الاختلاف (إذا لزم الأمر)، وربما بالتزامن مع التحولات غير الخطية مثل قطع الأشجار أو إنزال (إذا لزم الأمر). المتغير العشوائي الذي هو عبارة عن سلسلة زمنية ثابت إذا كانت خصائصه الإحصائية ثابتة على مر الزمن. سلسلة ثابتة لا يوجد لديه اتجاه، والاختلافات حول المتوسط ​​لها اتساع مستمر، وأنه يتلوى بطريقة متسقة. أي أن أنماطها الزمنية العشوائية القصيرة الأجل تبدو دائما بنفس المعنى الإحصائي. ويعني الشرط الأخير أن علاقاته الذاتية (الارتباطات مع انحرافاته السابقة عن المتوسط) تظل ثابتة على مر الزمن، أو على نحو مكافئ، أن طيف القدرة لا يزال ثابتا على مر الزمن. ويمكن أن ينظر إلى متغير عشوائي لهذا النموذج (كالمعتاد) على أنه مزيج من الإشارة والضوضاء، والإشارة (إذا كانت ظاهرة) يمكن أن تكون نمطا للانعكاس السريع أو البطيء، أو التذبذب الجيبية أو بالتناوب السريع في الإشارة ، ويمكن أن يكون لها أيضا عنصر موسمي. ويمكن النظر إلى نموذج أريما على أنه 8220filter8221 يحاول فصل الإشارة عن الضوضاء، ومن ثم يتم استقراء الإشارة إلى المستقبل للحصول على التنبؤات. ومعادلة التنبؤ أريما لسلسلة زمنية ثابتة هي معادلة خطية (أي الانحدار من نوع) تكون فيها المتنبؤات متخلفة عن المتغير التابع والتخلفات المتراكمة في أخطاء التنبؤ. وهذا هو: القيمة المتوقعة ل Y قيمة ثابتة ومرجحة لقيمة واحدة أو أكثر من القيم الأخيرة Y ومجموع مرجح لقيمة أو أكثر من القيم الأخيرة للأخطاء. إذا كانت المتنبئات تتكون فقط من قيم متخلفة من Y. هو نموذج الانحدار الذاتي النقي (8220self-regressed8221) النموذج، وهو مجرد حالة خاصة من نموذج الانحدار والتي يمكن تركيبها مع برامج الانحدار القياسية. على سبيل المثال، نموذج الانحدار الذاتي الأول (8220AR (1) 8221) ل Y هو نموذج انحدار بسيط يتغير فيه المتغير المستقل فقط 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 8220 فترة قصيرة 8217s error8221 كمتغير مستقل: يجب أن تحسب الأخطاء على أساس فترة إلى فترة عندما يتم تركيب النموذج على البيانات. ومن وجهة النظر التقنية، فإن مشكلة استخدام الأخطاء المتأخرة كمنبئات هي أن التنبؤات النموذجية 8217s ليست دالات خطية للمعاملات. رغم أنها وظائف خطية للبيانات السابقة. لذلك، يجب تقدير المعاملات في نماذج أريما التي تتضمن أخطاء متخلفة بطرق التحسين غير الخطية (8220hill-التسلق 8221) بدلا من مجرد حل نظام المعادلات. اختصار أريما لتقف على السيارات والانحدار المتكامل المتحرك المتوسط. ويطلق على الفترات المتأخرة في السلسلة المعيارية في معادلة التنبؤ مصطلحات كوتورغريسغريسيفيكوت، ويطلق على "أخطاء أخطاء التنبؤ" مصطلحات متوسط ​​التكلفة، ويقال إن السلسلة الزمنية التي يجب أن تكون مختلفة لتكون ثابتة، هي عبارة عن نسخة متقاربة من سلسلة ثابتة. نماذج المشي العشوائي ونماذج الاتجاه العشوائي، ونماذج الانحدار الذاتي، ونماذج التجانس الأسي كلها حالات خاصة لنماذج أريما. ويصنف نموذج أريما نوناسونال على أنه نموذج كوتاريما (p، d، q) كوت حيث: p هو عدد مصطلحات الانحدار الذاتي، d هو عدد الاختلافات غير الموسمية اللازمة للاستبانة، و q هو عدد الأخطاء المتوقعة في التنبؤات معادلة التنبؤ. يتم بناء معادلة التنبؤ على النحو التالي. أولا، اسمحوا y تدل على الفرق د من Y. مما يعني: لاحظ أن الفرق الثاني من Y (حالة d2) ليس الفرق من 2 منذ فترات. بدلا من ذلك، هو الفرق الأول من الأول الفرق. وهو التناظرية منفصلة من مشتق الثاني، أي تسارع المحلي للسلسلة بدلا من الاتجاه المحلي. من حيث y. معادلة التنبؤ العامة هي: هنا يتم تعريف المعلمات المتوسطة المتحركة (9528217s) بحيث تكون علاماتها سلبية في المعادلة، وفقا للاتفاقية التي قدمها بوكس ​​وجينكينز. بعض الكتاب والبرمجيات (بما في ذلك لغة البرمجة R) تعريفها بحيث لديهم علامات زائد بدلا من ذلك. عندما يتم توصيل الأرقام الفعلية في المعادلة، لا يوجد أي غموض، ولكن من المهم أن نعرف 8217s الاتفاقية التي يستخدمها البرنامج الخاص بك عندما كنت تقرأ الإخراج. في كثير من الأحيان يتم الإشارة إلى المعلمات هناك من قبل أر (1)، أر (2)، 8230، و ما (1)، ما (2)، 8230 الخ لتحديد نموذج أريما المناسب ل Y. تبدأ من خلال تحديد ترتيب الاختلاف (د) الحاجة إلى توثيق السلسلة وإزالة الخصائص الإجمالية للموسمية، ربما بالاقتران مع تحول استقرار التباين مثل قطع الأشجار أو الانقسام. إذا كنت تتوقف عند هذه النقطة والتنبؤ بأن سلسلة ديفيرنتد ثابت، لديك مجرد تركيب المشي العشوائي أو نموذج الاتجاه العشوائي. ومع ذلك، قد لا تزال السلسلة المستقرة ذات أخطاء ذات علاقة ذاتية، مما يشير إلى أن هناك حاجة إلى بعض المصطلحات أر (p 8805 1) أندور بعض مصطلحات ما (q 8805 1) في معادلة التنبؤ. ستتم مناقشة عملية تحديد قيم p و d و q الأفضل لسلسلة زمنية معينة في الأقسام اللاحقة من الملاحظات (التي توجد روابطها في أعلى هذه الصفحة)، ولكن معاينة لبعض الأنواع من نماذج أريما نونسونالونال التي تواجه عادة ما يرد أدناه. أريما (1،0،0) من الدرجة الأولى نموذج الانحدار الذاتي: إذا كانت السلسلة ثابتة و أوتوكوريلاتد، وربما يمكن التنبؤ بها باعتبارها متعددة من قيمتها السابقة، بالإضافة إلى ثابت. معادلة التنبؤ في هذه الحالة هي 8230 الذي يتراجع Y على نفسه متأخرا بفترة واحدة. هذا هو 8220ARIMA (1،0،0) ثابت 8221 نموذج. إذا كان متوسط ​​Y هو الصفر، فإن المصطلح الثابت لن يتم تضمينه. إذا كان معامل الانحدار 981 1 موجبا وأقل من 1 في الحجم (يجب أن يكون أقل من 1 من حيث الحجم إذا كان Y ثابتا)، يصف النموذج سلوك التراجع المتوسط ​​الذي ينبغي التنبؤ فيه بقيمة 8217s للفترة التالية لتكون 981 1 مرة بعيدا عن متوسط ​​هذه الفترة قيمة 8217s. وإذا كان 981 1 سلبيا، فإنه يتنبأ بسلوك التراجع عن طريق تبديل الإشارات، أي أنه يتوقع أيضا أن يكون Y أقل من متوسط ​​الفترة التالية إذا كان أعلى من متوسط ​​هذه الفترة. في نموذج الانحدار الذاتي من الدرجة الثانية (أريما (2،0،0))، سيكون هناك مصطلح T-2 على اليمين كذلك، وهكذا. واعتمادا على علامات ومقدار المعاملات، يمكن أن يصف نموذج أريما (2،0،0) نظاما له انعكاس متوسط ​​يحدث بطريقة تتأرجح جيبيا، مثل حركة الكتلة في فصل الربيع الذي يتعرض للصدمات العشوائية . أريما (0،1،0) المشي العشوائي: إذا كانت السلسلة Y ليست ثابتة، أبسط نموذج ممكن لذلك هو نموذج المشي العشوائي، والتي يمكن اعتبارها حالة الحد من نموذج أر (1) التي الانتكاس الذاتي معامل يساوي 1، أي سلسلة مع بلا حدود بطيئة متوسط ​​الانعكاس. ويمكن كتابة معادلة التنبؤ لهذا النموذج على النحو التالي: حيث يكون المصطلح الثابت هو متوسط ​​التغير من فترة إلى أخرى (أي الانجراف الطويل الأجل) في Y. ويمكن تركيب هذا النموذج كنموذج انحدار لا اعتراض يقوم فيه الفرق الأول من Y هو المتغير التابع. وبما أنه يشمل (فقط) اختلافا غير منطقي ومدة ثابتة، فإنه يصنف على أنه نموذج كوتاريما (0،1،0) مع ثابت. كوت نموذج المشي العشوائي بدون الانجراف سيكون أريما (0،1، 0) نموذج بدون نموذج أريسترجيسد من الدرجة الأولى (1-1،0): إذا كانت أخطاء نموذج المشي العشوائي مترابطة تلقائيا، ربما يمكن إصلاح المشكلة بإضافة فاصل واحد للمتغير التابع إلى معادلة التنبؤ - أي وذلك بتراجع الفارق الأول من Y على نفسه متأخرا 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 غير منطقي ومدة ثابتة - أي. وهو نموذج أريما (1،1،0). أريما (0،1،1) دون تمهيد الأسي المستمر المستمر: اقترح استراتيجية أخرى لتصحيح الأخطاء أوتوكوريلاتد في نموذج المشي العشوائي من قبل نموذج تمهيد الأسي بسيط. تذكر أنه بالنسبة لبعض السلاسل الزمنية غير المستقرة (مثل تلك التي تظهر تقلبات صاخبة حول متوسط ​​متباينة ببطء)، فإن نموذج المشي العشوائي لا يؤدي فضلا عن المتوسط ​​المتحرك للقيم السابقة. وبعبارة أخرى، فبدلا 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 المتوسط ​​المتحرك المرجح أضعافا مضاعفة للقيم السابقة لتحقيق هذا التأثير. يمكن كتابة معادلة التنبؤ لنموذج التمهيد الأسي البسيط في عدد من الأشكال المكافئة رياضيا. واحد منها هو ما يسمى 8220 خطأ التصحيح 8221 النموذج، الذي يتم تعديل التوقعات السابقة في اتجاه الخطأ الذي قدمه: لأن ه ر - 1 ذ ر - 1 - 374 ر - 1 حسب التعريف، يمكن إعادة كتابة هذا كما في : وهو أريما (0،1،1) مع معادلة التنبؤ المستمر مع 952 1 1 - 945. وهذا يعني أنه يمكنك تناسب تمهيد الأسي بسيط من خلال تحديده كنموذج أريما (0،1،1) دون ثابت، ويقدر معامل ما (1) المقدر 1-ناقص ألفا في صيغة سيس. نذكر أن متوسط ​​عمر البيانات في التنبؤات قبل فترة واحدة هو 945 1 في نموذج سيس، وهذا يعني أنها سوف تميل إلى التخلف عن الاتجاهات أو نقاط التحول بنحو 1 945 فترات. ويترتب على ذلك أن متوسط ​​عمر البيانات في التنبؤات السابقة بفترة زمنية واحدة لنموذج أريما (0،1،1) بدون نموذج ثابت هو 1 (1 - 952 1). إذا، على سبيل المثال، إذا كان 952 1 0.8، متوسط ​​العمر هو 5. كما 952 1 النهج 1، يصبح النموذج أريما (0،1،1) بدون ثابت متوسط ​​متحرك طويل الأجل جدا، و 952 1 النهج 0 يصبح نموذج المشي العشوائي دون الانجراف. ما هو أفضل طريقة لتصحيح الارتباط الذاتي: إضافة المصطلحات أر أو إضافة مصطلحات ما في النموذجين السابقين نوقش أعلاه، تم إصلاح مشكلة أخطاء أوتوكوريلاتد في نموذج المشي العشوائي بطريقتين مختلفتين: عن طريق إضافة قيمة متخلفة من سلسلة مختلفة إلى المعادلة أو إضافة قيمة متأخرة لخطأ التنبؤ. النهج الذي هو أفضل قاعدة من 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 وعادة ما يعامل الارتباط الذاتي السلبي عن طريق إضافة ما المدى. في سلسلة الأعمال والاقتصاد الزمني، وغالبا ما تنشأ الارتباط الذاتي السلبي باعتباره قطعة أثرية من الاختلاف. (بشكل عام، يقلل الاختلاف من الارتباط الذاتي الإيجابي وربما يتسبب في التحول من الارتباط الذاتي الموجب إلى السالب). لذلك، فإن نموذج أريما (0،1،1)، الذي يكون فيه الاختلاف مصحوبا بمصطلح ما، غالبا ما يستخدم 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 في الواقع كسب بعض المرونة. أولا وقبل كل شيء، ويسمح معامل ما (1) المقدرة لتكون سلبية. وهذا يقابل عامل تمهيد أكبر من 1 في نموذج سيس، وهو ما لا يسمح به عادة إجراء تركيب نموذج سيس. ثانيا، لديك خيار إدراج مدة ثابتة في نموذج أريما إذا كنت ترغب في ذلك، من أجل تقدير متوسط ​​الاتجاه غير الصفر. ويشتمل نموذج أريما (0،1،1) الثابت على معادلة التنبؤ: إن التنبؤات ذات الفترة الواحدة من هذا النموذج متشابهة نوعيا مع نموذج نموذج سيس، إلا أن مسار التنبؤات الطويلة الأجل عادة ما يكون (المنحدر يساوي مو) بدلا من خط أفقي. أريما (0،2،1) أو (0،2،2) دون تمهيد أسي خطية ثابتة: نماذج التجانس الأسية الخطية هي نماذج أريما التي تستخدم اثنين من الاختلافات نونسوناسونال بالتزامن مع الشروط ما. والفرق الثاني لسلسلة Y ليس مجرد الفرق بين Y وتخلف نفسها بفترتين، وإنما هو الفرق الأول من الاختلاف الأول - أي. التغيير في تغيير Y في الفترة t. وبالتالي، فإن الفارق الثاني من Y في الفترة t يساوي (Y t - Y t-1) - (Y t-1 - Y t-2) Y t - 2Y t-1 Y t-2. والفرق الثاني من الدالة المنفصلة يشبه مشتق ثان من دالة مستمرة: يقيس الدالة كوتاكسيليركوت أو كوتكورفاتوريكوت في الدالة عند نقطة معينة من الزمن. ويتنبأ نموذج أريما (0،2،2) دون توقع ثابت بأن الفارق الثاني من السلسلة يساوي دالة خطية لآخر خطأين متوقعين: يمكن إعادة ترتيبهما على النحو التالي: حيث يكون 952 1 و 952 2 هما (1) و ما (2) معاملات. هذا هو نموذج التجانس الأسي العام الخطية. أساسا نفس نموذج Holt8217s، و Brown8217s نموذج هو حالة خاصة. ويستخدم المتوسطات المتحركة المرجح أضعافا مضاعفة لتقدير كل من المستوى المحلي والاتجاه المحلي في هذه السلسلة. تتلاقى التوقعات على المدى الطويل من هذا النموذج مع خط مستقيم يعتمد ميله على متوسط ​​الاتجاه الملحوظ نحو نهاية السلسلة. أريما (1،1،2) دون ثابت خطي الاتجاه الاتجاه الأسي تمهيد. ويوضح هذا النموذج في الشرائح المصاحبة على نماذج أريما. فإنه يستقلب الاتجاه المحلي في نهاية السلسلة ولكن تسطح بها في آفاق التنبؤ أطول لإدخال مذكرة من المحافظة، وهي الممارسة التي لديها الدعم التجريبي. انظر المقال على كوهي في ذي تريند تريند وركسكوت غاردنر أند ماكنزي أند ذي كوغولدن رولكوت أرتيسترونغ إت آل. للتفاصيل. فمن المستحسن عموما التمسك النماذج التي لا يقل عن واحد 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 تجهيز وكومكومون-فاكتوركوت القضايا التي نوقشت بمزيد من التفصيل في الملاحظات على الهيكل الرياضي لنماذج أريما. تنفيذ جدول البيانات: من السهل تنفيذ نماذج أريما مثل تلك الموضحة أعلاه على جدول بيانات. ومعادلة التنبؤ هي مجرد معادلة خطية تشير إلى القيم السابقة للسلاسل الزمنية الأصلية والقيم السابقة للأخطاء. وهكذا، يمكنك إعداد جدول بيانات تنبؤ أريما عن طريق تخزين البيانات في العمود ألف، وصيغة التنبؤ في العمود باء، والأخطاء (البيانات ناقص التنبؤات) في العمود C. وستكون صيغة التنبؤ في خلية نموذجية في العمود باء ببساطة تعبير خطي يشير إلى القيم في الصفوف السابقة من العمودين A و C مضروبا في معاملات أر أو ما المناسبة المخزنة في خلايا أخرى في جدول البيانات.