El Modelo ARIMA, que significa Media Móvil Integrada Autorregresiva, is a popular statistical method used for analyzing and forecasting series temporales data. This model is particularly useful for data that shows patterns over time, such as stock prices, economic indicators, and weather data.
ARIMA consta de tres componentes principales:
- Autorregresivo (AR): This part of the model uses the relationship between an observation and a number of lagged observations (previous time points). The AR component captures the influence of past values on current values.
- Integrado (I): This component involves differencing the raw observations to make the time series stationary, meaning that its statistical properties do not change over time. Stationarity is a key requirement for análisis de series temporales.
- Media Móvil (MA): This part models the relationship between an observation and a residual error from a moving average model applied to lagged observations. The MA component accounts for the impact of random shocks or noise in the data.
Para usar eficazmente el modelo ARIMA, los analistas deben determinar los parámetros adecuados parameters para cada componente, a menudo denotados como (p, d, q), donde:
- p es el número de observaciones rezagadas incluidas en el modelo (parte AR).
- d es el número de veces que las observaciones brutas son diferenciadas (parte I).
- q es el tamaño de la ventana de la media móvil (parte MA).
El modelo ARIMA se usa ampliamente debido a su flexibilidad y efectividad para capturar diversas dinámicas temporales en los datos. También puede extenderse a datos estacionales, dando lugar a un modelo ARIMA Estacional (SARIMA).