Все мы знаем, что финансовый анализ данных не может обойтись без такого этапа как прогнозирование. После различных проверок и тестов, изучения главных закономерностей и рекомендаций необходимо сделать прогноз.
Что делать при анализе данных типа временного ряда? Как правило, первым что нужно – это визуальное восприятие. И потом приступать к выбору модели для прогнозирования.
В этой статье, мы рассмотрим модель ARMA (Autoregressive moving average). Это математическая модель, которая используется для анализа и прогнозирования стационарных рядов в статистических данных. ARMA объединяет в себе простые модели временных рядов: авторегрессию (AR) и скользящее среднее (MA). То есть, это стационарный процесс вида:
Где ε – белые шумы, с — константа.
Всего q предыдущих значений ε. И мы предполагаем, что сумма p+q минимальна возможная.
Обозначается модель как ARMA (p,q), первый параметр p – это количество лагов по авторегрессии (AR), а q – это количество лагов по скользящему среднему (MA).
Процессы ARMA это практически все что нужно знать о стационарных процессах. Есть теорема, которая говорит, что любой стационарный процесс можно представить в виде авторегресии с бесконечным количеством лагов. ARMA процесс можно выбрать p, q достаточно большим и выбрать коэффициент перед игреками и перед эпсилонами таким образом, чтобы максимально приблизить прогнозируемые значения с фактическими. Поэтому ARMA (p, q) модели достаточно, чтобы объяснить любой стационарный процесс.
Нужно запомнить, что коэффициенты модели ARMA не интерпретируемые, но не смотря на это их успешно используют при прогнозировании.
Алгоритм построения модели ARMA (p,q):
Так как эти процессы алгоритмизированы мы можем использовать это для создания макроса в Caseware IDEA, так как это просто. Первый раз провести оценку какого-либо рутинного процесса после чего использовать эту модель в прогнозировании клиентских, либо собственных данных.
В следующей статье мы рассмотрим ARIMA процессы, и покажем на практике, как же все-таки создать модель для прогнозирования временных рядов.
Когда речь идет о работе с клиентами, бухгалтерские фирмы обычно имеют доступ к значительному объему информации. Но проведение более глубокого анализа обычно требует больше времени и большего бюджета, чем клиенты готовы платить.
С помощью анализа данных IDEA бухгалтерские фирмы могут использовать мощные и автоматизированные инструменты аналитики. Чтобы помочь глубже вникать в данные, не требуя при этом значительно большего времени персонала.
Вы можете воспользоваться БЕСПЛАТНОЙ Демо-версией продукта,
чтобы ощутить эффективные инструменты аналитики.
