బాక్స్-జెంకిన్స్ మోడల్ అంటే ఏమిటి?
బాక్స్-జెంకిన్స్ మోడల్ అనేది ఒక గణిత నమూనా, ఇది నిర్దిష్ట సమయ శ్రేణి నుండి ఇన్‌పుట్‌ల ఆధారంగా డేటా పరిధులను అంచనా వేయడానికి రూపొందించబడింది. బాక్స్-జెంకిన్స్ మోడల్ అంచనా కోసం అనేక రకాల సమయ శ్రేణి డేటాను విశ్లేషించగలదు.
ఫలితాలను నిర్ణయించడానికి దాని పద్దతి డేటా పాయింట్ల మధ్య తేడాలను ఉపయోగిస్తుంది. భవిష్యత్‌ను రూపొందించడానికి ఆటోరెగ్రెషన్, కదిలే సగటులు మరియు కాలానుగుణ భేదాలను ఉపయోగించి ధోరణులను గుర్తించడానికి ఈ పద్దతి మోడల్‌ను అనుమతిస్తుంది. ఆటోరెగ్రెసివ్ ఇంటిగ్రేటెడ్ మూవింగ్ యావరేజ్ (అరిమా) నమూనాలు బాక్స్-జెంకిన్స్ మోడల్ యొక్క ఒక రూపం. అరిమా మరియు బాక్స్-జెంకిన్స్ మోడల్ అనే పదాలను పరస్పరం మార్చుకోవచ్చు.
కీ టేకావేస్
- బాక్స్-జెంకిన్స్ మోడల్ రిగ్రెషన్ అధ్యయనాలను ఉపయోగించి ఒక అంచనా పద్దతి. టైమ్-సిరీస్ డేటా యొక్క రిగ్రెషన్ ఆధారంగా కంప్యూటర్-లెక్కించిన సూచనగా ఈ పద్దతి ఉత్తమంగా ఉపయోగించబడుతుంది.ఇది 18 నెలల లేదా అంతకంటే తక్కువ కాల వ్యవధిలో అంచనా వేయడానికి బాగా సరిపోతుంది. ఆధునిక R ప్రోగ్రామింగ్ భాషలో ప్రోగ్రామబుల్ స్టాటిస్టికల్ సాఫ్ట్‌వేర్ వంటి అధునాతన సాధనాలతో అరిమా లెక్కలు జరుగుతాయి.
బాక్స్-జెంకిన్స్ మోడల్‌ను అర్థం చేసుకోవడం
బాక్స్-జెంకిన్స్ మోడల్స్ వ్యాపార డేటా మరియు భవిష్యత్ భద్రతా ధరలతో సహా పలు రకాల data హించిన డేటా పాయింట్లు లేదా డేటా శ్రేణులను అంచనా వేయడానికి ఉపయోగిస్తారు.
బాక్స్-జెంకిన్స్ మోడల్‌ను ఇద్దరు గణిత శాస్త్రజ్ఞులు జార్జ్ బాక్స్ మరియు గ్విలిమ్ జెంకిన్స్ సృష్టించారు. ఇద్దరు గణిత శాస్త్రవేత్తలు ఈ నమూనాను కలిగి ఉన్న భావనలను 1970 ప్రచురణ "టైమ్ సిరీస్ అనాలిసిస్: ఫోర్కాస్టింగ్ అండ్ కంట్రోల్" లో చర్చించారు.
బాక్స్-జెంకిన్స్ మోడల్ యొక్క పారామితుల అంచనాలు చాలా క్లిష్టంగా ఉంటాయి. అందువల్ల, ఇతర సమయ-శ్రేణి రిగ్రెషన్ మోడళ్ల మాదిరిగానే, ప్రోగ్రామబుల్ సాఫ్ట్‌వేర్‌ను ఉపయోగించడం ద్వారా ఉత్తమ ఫలితాలు సాధారణంగా సాధించబడతాయి. బాక్స్-జెంకిన్స్ మోడల్ సాధారణంగా 18 నెలల లేదా అంతకంటే తక్కువ స్వల్పకాలిక అంచనా వేయడానికి బాగా సరిపోతుంది.
బాక్స్-జెంకిన్స్ మెథడాలజీ
ప్రోగ్రామ్ చేయబడిన ఫోర్కాస్టింగ్ సాఫ్ట్‌వేర్‌ను ఉపయోగిస్తున్నప్పుడు ఫోర్కాస్టర్ ఎదుర్కొనే అనేక సమయ శ్రేణి విశ్లేషణ నమూనాలలో బాక్స్-జెంకిన్స్ మోడల్ ఒకటి. చాలా సందర్భాల్లో, అంచనా వేయవలసిన సమయ శ్రేణి డేటా ఆధారంగా ఉత్తమమైన ఫిట్టింగ్ ఫోర్కాస్టింగ్ పద్దతిని స్వయంచాలకంగా ఉపయోగించడానికి సాఫ్ట్‌వేర్ ప్రోగ్రామ్ చేయబడుతుంది. తక్కువ అస్థిరతతో ఎక్కువగా స్థిరంగా ఉండే డేటా సెట్‌ల కోసం బాక్స్-జెంకిన్స్ అగ్ర ఎంపికగా నివేదించబడింది.
బాక్స్-జెంకిన్స్ మోడల్ మూడు సూత్రాలను ఉపయోగించి డేటాను అంచనా వేస్తుంది, ఆటోరెగ్రెషన్, డిఫరెన్సింగ్ మరియు కదిలే సగటు. ఈ మూడు సూత్రాలను వరుసగా p, d మరియు q అంటారు. ప్రతి సూత్రం బాక్స్-జెంకిన్స్ విశ్లేషణలో ఉపయోగించబడుతుంది మరియు కలిసి అవి అరిమా (p, d, q) గా చూపబడతాయి.
ఆటోరెగ్రెషన్ (పి) ప్రక్రియ దాని స్థిరత్వం స్థాయి కోసం డేటాను పరీక్షిస్తుంది. ఉపయోగించబడుతున్న డేటా స్థిరంగా ఉంటే, అది అంచనా ప్రక్రియను సులభతరం చేస్తుంది. ఉపయోగించబడుతున్న డేటా స్థిరంగా లేనట్లయితే, అది వేరు చేయవలసి ఉంటుంది (డి). డేటా దాని కదిలే సగటు ఫిట్ కోసం కూడా పరీక్షించబడుతుంది, ఇది విశ్లేషణ ప్రక్రియ యొక్క భాగం q లో జరుగుతుంది. మొత్తంమీద, డేటా యొక్క ప్రాధమిక విశ్లేషణ సూచనను అభివృద్ధి చేయడానికి వర్తించే పారామితులను (p, d మరియు q) నిర్ణయించడం ద్వారా అంచనా వేయడానికి దీనిని సిద్ధం చేస్తుంది.
స్టాక్ ధరలను అంచనా వేయడం
బాక్స్-జెంకిన్స్ మోడల్ విశ్లేషణకు ఒక ఉపయోగం స్టాక్ ధరలను అంచనా వేయడం. ఈ విశ్లేషణ సాధారణంగా R సాఫ్ట్‌వేర్ ద్వారా నిర్మించబడింది మరియు కోడ్ చేయబడుతుంది. విశ్లేషణ ఒక లాగరిథమిక్ ఫలితానికి దారి తీస్తుంది, ఇది భవిష్యత్తులో నిర్ణీత కాలానికి అంచనా వేసిన ధరలను ఉత్పత్తి చేయడానికి సెట్ చేసిన డేటాకు వర్తించవచ్చు.
