რა არის ARIMA მოდელი და რა მნიშვნელობა აქვს მის პარამეტრებს (p, d, q)?

ARIMA (AutoRegressive Integrated Moving Average) არის მოდელი დროის სერიის ანალიზისა და პროგნოზისთვის, რომელიც აერთიანებს სამ კომპონენტს:

• AR (p) — ავტორეგრესია: მოდელი იყენებს მიმდინარე მნიშვნელობის დამოკიდებულებას წინა p მნიშვნელობიდან.
• I (d) — ინტეგრაცია: რაოდენობა, რამდენჯერაც ორიგინალური სერია განსხვავდება სტაციონარობის მისაღწევად (ტრენდის აღმოფხვრა).
• MA (q) — მოძრავი საშუალო: მოდელი განიხილავს წინა q პროგნოზის შეცდომების გავლენას.

პარამეტრები:

• p — ავტორეგრესიის დალაგება (AR მოდელში დაგვიანებების რაოდენობა).
• d — განსხვავების დალაგება (რამდენჯერ გამოიყენება განსხვავების ოპერაცია სერიის სტაბილიზაციისთვის).
• q — მოძრავი საშუალოს დალაგება (MA მოდელში შეცდომების დაგვიანებების რაოდენობა).

მაგალითი: ARIMA(2,1,1) ნიშნავს, რომ სერია ერთხელ განსხვავებულია, და მოდელი განიხილავს 2 წინა მნიშვნელობას და 1 წინა შეცდომას.

ARIMA ფართოდ გამოიყენება ტრენდებით და სეზონურობით დროის სერიების პროგნოზირებისთვის შესაბამისი წინასწარი დამუშავების შემდეგ.