Czym jest model ARIMA i co oznaczają jego parametry (p, d, q)?

ARIMA (Autoregresyjna zintegrowana średnia ruchoma) to model do analizy i prognozowania szeregów czasowych, który łączy trzy składniki:

• AR (p) — autoregresja: model wykorzystuje zależność bieżącej wartości od poprzednich p wartości.
• I (d) — integracja: liczba razy, kiedy oryginalny szereg jest różnicowany, aby osiągnąć stacjonarność (usunięcie trendu).
• MA (q) — średnia ruchoma: model uwzględnia wpływ poprzednich q błędów prognozy.

Parametry:

• p — rząd autoregresji (liczba opóźnień w modelu AR).
• d — rząd różnicowania (ile razy zastosowano operację różnicowania, aby ustabilizować szereg).
• q — rząd średniej ruchomej (liczba opóźnień błędów w modelu MA).

Przykład: ARIMA(2,1,1) oznacza, że szereg został różnicowany raz, a model uwzględnia 2 poprzednie wartości i 1 poprzedni błąd prognozy.

ARIMA jest szeroko stosowany do prognozowania szeregów czasowych z trendami i sezonowością po odpowiednim przetwarzaniu wstępnym.