Autoregressives Modell
An autoregressive model (AR model) is a type of statistical model used for analyzing and Vorhersage von Zeitreihendaten verwendet wird. The core idea of an autoregressive model is to use the relationship between an observation and a number of lagged observations (previous time Punkte) um zukünftige Werte vorherzusagen.
In an autoregressive model, the current value of the time series is expressed as a lineare Kombination of its previous values, plus a stochastic (random) error term. The general form of an autoregressive model of order p, denoted as AR(p), can be described by the equation:
Xt = c + φ₁ Xt-1 + φ₂ Xt-2 + … + φp Xt-p + εt
Wo:
- Xt ist der Wert der Zeitreihe zur Zeit t.
- c ist eine Konstante.
- φ₁, φ₂, …, φp are the coefficients that represent the relationship between the current value and its lagged values.
- εt ist ein weißes Rauschen-Fehlerterm, der die Zufälligkeit in den Daten repräsentiert.
Die Ordnung des Modells (p) gibt an, wie viele vergangene Werte zur Vorhersage des aktuellen Wertes verwendet werden. Zum Beispiel verwendet ein AR(1)-Modell nur den unmittelbar vorherigen Wert, während ein AR(2) die beiden neuesten Werte nutzt.
Autoregressive models are particularly useful in fields such as economics, finance, and Umweltwissenschaften for tasks like stock price forecasting, economic indicators analysis, and climate data prediction. However, they assume that the underlying relationships are linear and stationary, meaning that the statistical properties of the time series do not change over time.