O Modelo ARIMA, que significa Média Móvel Integrada Autoregressiva, is a popular statistical method used for analyzing and forecasting séries temporais data. This model is particularly useful for data that shows patterns over time, such as stock prices, economic indicators, and weather data.
O ARIMA consiste em três componentes principais:
- AutoRegressivo (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 análise de séries temporais.
- Média Móvel (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 efetivamente o modelo ARIMA, os analistas devem determinar os parâmetros apropriados parameters para cada componente, frequentemente denotados como (p, d, q), onde:
- p é o número de observações defasadas incluídas no modelo (parte AR).
- d é o número de vezes que as observações brutas são diferenciadas (parte I).
- q é o tamanho da janela da média móvel (parte MA).
O modelo ARIMA é amplamente utilizado devido à sua flexibilidade e eficácia em capturar várias dinâmicas temporais nos dados. Ele também pode ser estendido para dados sazonais, levando a um modelo ARIMA Sazonal (SARIMA).