डिब्बा

बॉक्स-जेनकिंस मॉडल क्या है?

बॉक्स-जेनकिन्स मॉडल एक गणितीय मॉडल है जिसे निर्दिष्ट समय श्रृंखला के इनपुट के आधार पर डेटा रेंज का पूर्वानुमान लगाने के लिए डिज़ाइन किया गया है। बॉक्स-जेनकिन्स मॉडल पूर्वानुमान के लिए कई अलग-अलग प्रकार के समय श्रृंखला डेटा का विश्लेषण कर सकता है।

इसकी कार्यप्रणाली परिणामों को निर्धारित करने के लिए डेटा बिंदुओं के बीच अंतर का उपयोग करती है। कार्यप्रणाली मॉडल को पूर्वानुमान उत्पन्न करने के लिए ऑटोरोर्शन, मूविंग एवरेज और मौसमी भिन्नता का उपयोग करके रुझानों की पहचान करने की अनुमति देती है। ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज (ARIMA) मॉडल बॉक्स-जेनकिंस मॉडल का एक रूप है। ARIMA और बॉक्स-जेनकिंस मॉडल का उपयोग एक-दूसरे से किया जा सकता है।

चाबी छीन लेना

• बॉक्स-जेनकिन्स मॉडल प्रतिगमन अध्ययन का उपयोग करते हुए एक पूर्वानुमान पद्धति है। पद्धति को समय-श्रृंखला डेटा के प्रतिगमन के आधार पर कंप्यूटर-गणना पूर्वानुमान के रूप में सबसे अच्छा उपयोग किया जाता है। यह 18 महीने या उससे कम समय के भीतर पूर्वानुमान के लिए सबसे उपयुक्त है। एआर प्रोग्रामिंग की गणना आर प्रोग्रामिंग भाषा में परिष्कृत सांख्यिकीय सॉफ्टवेयर जैसे परिष्कृत उपकरणों के साथ की जाती है।

बॉक्स-जेनकिंस मॉडल को समझना

बॉक्स-जेनकिन्स मॉडल का उपयोग विभिन्न अनुमानित डेटा बिंदुओं या डेटा पर्वतमाला के लिए किया जाता है जिसमें व्यावसायिक डेटा और भविष्य की सुरक्षा कीमतें शामिल हैं।

बॉक्स-जेनकिन्स मॉडल दो गणितज्ञों जॉर्ज बॉक्स और ग्विल्म जेनकींस द्वारा बनाया गया था। दोनों गणितज्ञों ने उन अवधारणाओं पर चर्चा की, जिनमें 1970 के प्रकाशन "टाइम सीरीज एनालिसिस: फोरकास्टिंग एंड कंट्रोल" में इस मॉडल को शामिल किया गया है।

बॉक्स-जेनकिंस मॉडल के मापदंडों का अनुमान बहुत जटिल हो सकता है। इसलिए, अन्य समय-श्रृंखला प्रतिगमन मॉडल के समान, सर्वोत्तम परिणाम आमतौर पर प्रोग्राम किए गए सॉफ़्टवेयर के उपयोग के माध्यम से प्राप्त किए जाएंगे। बॉक्स-जेनकिन्स मॉडल भी आम तौर पर 18 महीने या उससे कम अवधि के पूर्वानुमान के लिए सबसे उपयुक्त है।

बॉक्स-जेनकिंस कार्यप्रणाली

बॉक्स-जेनकिन्स मॉडल कई बार श्रृंखला विश्लेषण मॉडल में से एक है जो प्रोग्राम किए गए पूर्वानुमान सॉफ़्टवेयर का उपयोग करते समय एक फ़ॉरेस्टर का सामना करेगा। कई मामलों में सॉफ्टवेयर को स्वचालित रूप से पूर्वानुमान किए जाने के लिए समय श्रृंखला डेटा के आधार पर सबसे अच्छा फिटिंग पूर्वानुमान पद्धति का उपयोग करने के लिए प्रोग्राम किया जाएगा। बॉक्स-जेनकिन्स को डेटा सेट के लिए एक शीर्ष विकल्प बताया गया है जो ज्यादातर कम अस्थिरता के साथ स्थिर होते हैं।

बॉक्स-जेनकिन्स मॉडल तीन सिद्धांतों, ऑटोरिएशन, विभेदक और चलती औसत का उपयोग करके डेटा का पूर्वानुमान लगाता है। इन तीन सिद्धांतों को क्रमशः पी, डी और क्यू के रूप में जाना जाता है। प्रत्येक सिद्धांत का उपयोग बॉक्स-जेनकिंस विश्लेषण में किया जाता है और साथ में उन्हें सामूहिक रूप से एआरआईएमए (पी, डी, क्यू) के रूप में दिखाया जाता है।

ऑटोरेजेशन (पी) प्रक्रिया अपनी स्थिरता के स्तर के लिए डेटा का परीक्षण करती है। यदि उपयोग किया जा रहा डेटा स्थिर है तो यह पूर्वानुमान प्रक्रिया को सरल बना सकता है। यदि उपयोग किया जा रहा डेटा गैर-स्थिर है तो इसे अलग किया जाना होगा (डी)। डेटा को उसके मूविंग औसत फिट के लिए भी जांचा जाता है जो विश्लेषण प्रक्रिया के भाग q में किया जाता है। कुल मिलाकर, डेटा का प्रारंभिक विश्लेषण मापदंडों (पी, डी और क्यू) का निर्धारण करके पूर्वानुमान के लिए तैयार करता है जो पूर्वानुमान विकसित करने के लिए लागू होते हैं।

पूर्वानुमान शेयर की कीमतें

बॉक्स-जेनकिन्स मॉडल विश्लेषण के लिए एक उपयोग स्टॉक की कीमतों का पूर्वानुमान है। यह विश्लेषण आमतौर पर आर सॉफ्टवेयर के माध्यम से बनाया और कोडित किया जाता है। विश्लेषण एक लघुगणकीय परिणाम है जो भविष्य में समय की एक निर्दिष्ट अवधि के लिए पूर्वानुमानित कीमतों को उत्पन्न करने के लिए डेटा सेट पर लागू किया जा सकता है।