Box-Jenkins模型是什么？
Box-Jenkins模型是一种数学模型，旨在基于指定时间序列的输入来预测数据范围。 Box-Jenkins模型可以分析许多不同类型的时间序列数据以进行预测。
其方法论使用数据点之间的差异来确定结果。 该方法允许模型使用自回归，移动平均值和季节差异来识别趋势，以生成预测。 自回归综合移动平均值（ARIMA）模型是Box-Jenkins模型的一种形式。 术语ARIMA和Box-Jenkins模型可以互换使用。
重要要点
- Box-Jenkins模型是一种使用回归研究的预测方法，该方法最适合作为基于时间序列数据回归的计算机计算的预测，最适合在18个月或更短的时间内进行预测。 ARIMA计算是使用复杂的工具完成的，例如采用R编程语言的可编程统计软件。
了解Box-Jenkins模型
Box-Jenkins模型用于预测各种预期的数据点或数据范围，包括业务数据和未来的安全价格。
Box-Jenkins模型是由两位数学家George Box和Gwilym Jenkins创建的。 两位数学家在1970年出版的《时间序列分析：预测和控制》中讨论了构成该模型的概念。
Box-Jenkins模型的参数估计可能非常复杂。 因此，类似于其他时间序列回归模型，通常将通过使用可编程软件来获得最佳结果。 Box-Jenkins模型通常也最适合18个月或更短时间的短期预测。
Box-Jenkins方法论
Box-Jenkins模型是预测器在使用程序化预测软件时将遇到的几种时间序列分析模型之一。 在许多情况下，将对软件进行编程，以根据要预测的时间序列数据自动使用最佳拟合预测方法。 据报道，Box-Jenkins是数据集的最佳选择，这些数据集大多数都是稳定的，并且波动性很低。
Box-Jenkins模型使用自回归，微分和移动平均值这三个原理预测数据。 这三个原理分别称为p，d和q。 Box-Jenkins分析中使用了每种原理，它们共同表示为ARIMA（p，d，q）。
自回归（p）过程测试数据的平稳性。 如果所使用的数据是固定的，则可以简化预测过程。 如果所使用的数据不稳定，则需要进行区别（d）。 还对数据的移动平均拟合进行了测试，这是在分析过程的第q部分中完成的。 总体而言，对数据的初步分析通过确定用于制定预测的参数（p，d和q）为进行预测做好了准备。
预测股价
Box-Jenkins模型分析的一种用途是预测股价。 该分析通常是通过R软件进行构建和编码的。 分析得出对数结果，该结果可以应用于数据集以生成将来指定时间段内的预测价格。
