متوسط المصدر المتحرك للإنحدار الذاتي

يقوم الكود بتنفيذ محاكاة السلاسل الزمنية مع نماذج متوسط ​​الانحدار الذاتي المدمجة (أرفيما) التي تقوم بتعميم أريما (المتوسط ​​المتحرك المتكامل الانحداري الذاتي) ونماذج المتوسط ​​المتحرك للانحدار الذاتي أرما. تسمح نماذج أرفيما بقيم غير صحيحة لمعلمة الاختلاف وهي مفيدة في نمذجة السلاسل الزمنية ذات الذاكرة الطويلة. يحاكي الرمز عموما نموذج أرفيما (p، d، q) حيث d هو الاختلاف. وتحسب المتوسط ​​المتحرك تيلسون. المستخدم قادرا على تغيير المعلمات مثل الاحتلالات تجانس وعامل حجم تنفيذ نقل المتوسط ​​مرشح. ويعمل مرشاح المتوسط ​​المتحرك بمتوسط ​​عدد من النقاط من إشارة الدخل لإنتاج كل نقطة في إشارة الخرج. في شكل معادلة، يتم كتابة هذا: يحتوي هذا الملف على ثلاثة ملفات م التي تقدر القيمة المعرضة للخطر للمحفظة المكونة من سعرين للأسهم باستخدام المتوسط ​​المتحرك الموزون أضعافا مضاعفة. وتتمثل المهمة الرئيسية إومستيماتيفار. لتقدير القيمة المعرضة للخطر يجب عليك استخدام هذا. كفاءة عالية تصفية المتوسط ​​المتحرك تنفيذها باستخدام التلازم. سموثد داتا موفاف (ناقلات البيانات، متوسط ​​حجم النافذة في العينات) انظر أيضا: slidefilter. m من قبل نفس المؤلف نقل متوسط ​​تصفية تنفيذها باستخدام تقنية سوتسكوت كوتسليدينغ. كفاءة نسبيا. سليدفيلتر البيانات (متغير البيانات، انزلاق الفاصل الزمني في العينات) انظر أيضا: movave. m تشيافلوكبلوت A الحرة عالية منخفضة-فتح-إغلاق (والحجم والمتوسط ​​المتحرك) مؤامرة للإجابة على موضوع سم (كوتسوبجيكت: على استخدام ماتلاب إلى مؤامرة مخزون الأسهم). تنفيذ متوسط ​​متحرك باستخدام فلتر البناء، وهو سريع جدا. بالنسبة للنواقل، يحسب Y رونمان (X، M) متوسط ​​الجري (المعروف أيضا بالمتوسط ​​المتحرك) على عناصر المتجه X. ويستخدم نافذة من داتابوانتس 2M1. M عدد صحيح موجب يحدد (نصف) حجم النافذة. في الكود الزائف: Y (i). وتحسب هذه الشفرة الانحراف المعياري المتوسط ​​المرجح ألسيا. المتوسط ​​المتحرك المتوسط ​​المرجح (إوما) ينطبق الانحراف المعياري للأوزان المختلفة. أكثر عوائد الأخيرة لها وزن أكبر على. من حيث السلوك، وهذا هو بديل لتصفية () لنواة متحرك متوسط، إلا أنه أسرع. لا تعتمد السرعة على طول المرشح. يستخدم رمز البديل من كومسوم-خدعة، وإن لم يكن كوتغاردن. يوفر فار بسيطة حاسبة: - تقييم توزيع العودة من أصل واحد أو محفظة من الأصول - توقعات التقلب باستخدام المتوسط ​​المتحرك والخوارزمية الأسية - القيمة المعرضة للخطر من أصل واحد. يقوم هذا الملف m بتنفيذ نظام متوسط ​​متحرك M-بوينت. والمعادلة هي: y (n) (x (n) x (n-1) x (n-M)) M M هو ترتيب نظام المتوسط ​​المتحرك M-بوينت. بناء الجملة: يمبوانتافيراج (المدخلات، النظام) الوسيطة. وتحسب هذه الدالة في مواقع (إكسي و يي) غير معروفة إيدو (wlt0) أو التنبؤات سما (w0) باستخدام نمط حي r1 (n: عدد النقاط r: نصف قطرها) وحجم حي r2 من القيم المقاسة فك (شك، يك ). تعليمات: 1. إعطاء رمز من الأسهم. 2. إعطاء تاريخ اليوم في شكل محدد (أشهر أيام في السنة). 3. الحصول على بيانات زر جلب البيانات من خادم ياهو. 4. اختر عدد الأيام التي تريد فحصها. 5. الهدف من هذه الدراسة هو إظهار كيف يمكن استخدام ماتلاب وأدوات مختلفة معا لحل مشكلة التصوير. المشكلة المحددة المعروضة هنا هي تجربة علمية. نظرا البندول، قياس الجاذبية. والرياضيات محددة جيدا. الاتجاهات لتشغيل الملف. 1. بفك الملف cutTradingStrat. zipquot بحيث ستحصل على مجلد كوترادينغستراتكوت. 2. تعيين دليل العمل الخاص بك كما كوترادينغسترات غ كسفكوت (المجلد كسف يحمل الفاصلة فاسترمز لحظة الجذر متوسط ​​مربع (رمز) السلطة عن طريق التفاف فاسترمز (X)، عندما X هو متجه، هو الوقت رمز متغير السلطة من X محسوبة باستخدام نافذة مستطيلة مكونة من 5 نقاط تتمحور حول كل نقطة في الإشارة. المخرجات هي هذه الملفات وبعض البيانات التي استخدمتها في ندوة الويب الأخيرة الخاصة بي على التداول الخوارزمي وقد تم تقصير البيانات للحجم وتشمل: ماريسا أقرب نموذج جار نموذج زائدة لوقف الخسارة مثال توضيحي للمؤشرات هي أداة التحليل الفني التي تحسب المؤشرات الفنية المختلفة التحليل الفني هو التنبؤ بحركات الأسعار المالية المستقبلية استنادا إلى فحص تحركات الأسعار الماضية، ومعظمها كوبيرايت 2000-2015 كود المصدر أونلين كود المصدر المجاني و سكريبتس دونلوادس جميع الملفات و التنزيلات المجانية هي حقوق الطبع والنشر لأصحابها، ونحن لا نقدم أي اختراق، متصدع ، غير قانوني، نسخة المقرصنة من البرامج النصية، رموز، مكونات التنزيلات. يتم تنزيل جميع الملفات من موقع الناشرين أو خوادم الملفات أو مرايا التنزيل. دائما الفيروسات فحص الملفات التي تم تحميلها من شبكة الإنترنت خاصة الرمز البريدي، رر، إكس، محاكمة، إصدارات كاملة الخ تحميل الروابط من رابيدشار، وديعة، ميغاوبلواد الخ لم تنشر. برين، أسواق رأس المال التنبؤات مع الشبكات العصبية. البرين، وأفضل أداة التنبؤ على أساس تقنيات الذكاء الاصطناعي (الشبكات العصبية الاصطناعية)، يعطيك دقيقة مفتوحة، وعقد وإغلاق التوصيات لاستثماراتك في أسواق رأس المال. تتوفر كل من العمليات الطويلة والقصيرة. سبرين يتيح لك تحديد مخاطر العمليات الخاصة بك، والعمولات، وتأثير مؤشرات التحليل الفني (المتوسط ​​المتحرك تيتشارت ل جافا هو مكتبة مكونة من مخططات جافا واسعة النطاق استنادا إلى أكثر من عقود من الخبرة في العمل مع متطلبات الرسم البياني العملاء هو ويمكن استخدامها في جميع برامج جافا القياسية، ولم أكن قادرا على الحصول على قمم من البيانات التي تم الحصول عليها تجريبيا بسبب طبيعتها العشوائية، ونتيجة لذلك فإن فيندبياكس () المعرفة في مكتبة ماتلاب لم تعطي النتائج كما هو متوقع، ومن ثم لقد قمت بوضع رمز يساعد في البحث عن المساعدة، ولكن بناء نظام تداول آلي بدائي ومنمق يديره جهاز توقيت ثابت ومناولة استرجاع البيانات وتخزينها وتحليلها، وهي استراتيجية ترشد إلى إعادة توازن المحفظة في كل تكرار، يتم عرضها في أكتيفكس مكتبة مكونات الرسم البياني يقدم أكثر من 60 أنماط الرسم البياني و 56 وظائف رياضية وإحصائية، ومجموعة كاملة من أدوات الرسم البياني المشارك مكونات للحصول على وظائف إضافية. يتضمن 32 بت أمبير 64 بت الإصدارات. ويندوز والويب. يظهر رمز حقل النجمة المتحركة حقل نجمة متحرك في إطار يمكن تغيير حجمه. يتم كتابة التعليمات البرمجية في معيار C باستخدام أبي Win32. يحسب متوسط ​​ودي عن طريق محاذاة الإشارات الفردية أولا (تالف من الارتعاش) مع المتوسط ​​القياسي. يستخدم زكور لحساب الفارق الزمني ثم إعادة متوسط ​​الإشارات للحصول على تقدير محسن. نموذج أريما: نماذج غير داخلية أريما (p، d، q) التنبؤ بالمعادلة: نماذج أريما هي، من الناحية النظرية، الفئة الأكثر عمومية من النماذج للتنبؤ بسلسلة زمنية والتي يمكن أن تكون 8220stationary8221 حسب الاختلاف ( إذا لزم الأمر)، وربما بالاقتران مع التحولات غير الخطية مثل قطع الأشجار أو الانقسام (إذا لزم الأمر). المتغير العشوائي الذي هو عبارة عن سلسلة زمنية ثابت إذا كانت خصائصه الإحصائية ثابتة على مر الزمن. سلسلة ثابتة لا يوجد لديه اتجاه، والاختلافات حول متوسط ​​لها اتساع مستمر، وأنه يتلوى بطريقة متسقة. أي أن أنماطها الزمنية العشوائية القصيرة الأجل تبدو دائما بنفس المعنى الإحصائي. ويعني الشرط الأخير أن علاقاته الذاتية (الارتباطات مع انحرافاته السابقة عن المتوسط) تظل ثابتة على مر الزمن، أو على نحو مكافئ، أن طيف القدرة لا يزال ثابتا على مر الزمن. ويمكن أن ينظر إلى متغير عشوائي لهذا النموذج (كالمعتاد) على أنه مزيج من الإشارة والضوضاء، والإشارة (إذا كانت ظاهرة) يمكن أن تكون نمطا للانعكاس السريع أو البطيء، أو التذبذب الجيبية أو بالتناوب السريع في الإشارة ، ويمكن أن يكون لها أيضا عنصر موسمي. ويمكن النظر إلى نموذج أريما على أنه 8220filter8221 يحاول فصل الإشارة عن الضوضاء، ومن ثم يتم استقراء الإشارة إلى المستقبل للحصول على التنبؤات. ومعادلة التنبؤ أريما لسلسلة زمنية ثابتة هي معادلة خطية (أي الانحدار من نوع) تكون فيها المتنبؤات متخلفة عن المتغير التابع والتخلفات المتراكمة في أخطاء التنبؤ. وهذا هو: القيمة المتوقعة ل Y قيمة ثابتة ومرجحة لقيمة واحدة أو أكثر من القيم الأخيرة Y ومجموع مرجح لقيمة أو أكثر من القيم الأخيرة للأخطاء. إذا كانت المتنبئات تتكون فقط من قيم متخلفة من Y. هو نموذج الانحدار الذاتي النقي (8220self-regressed8221) النموذج، وهو مجرد حالة خاصة من نموذج الانحدار والتي يمكن تركيبها مع برامج الانحدار القياسية. على سبيل المثال، نموذج الانحدار الذاتي الأول (8220AR (1) 8221) ل Y هو نموذج انحدار بسيط يتغير فيه المتغير المستقل فقط بفترة واحدة (لاغ (Y، 1) في ستاتغرافيكس أو YLAG1 في ريجرسيت). إذا كان بعض المتنبؤات متخلفة من الأخطاء، وهو نموذج أريما فإنه ليس نموذج الانحدار الخطي، لأنه لا توجد طريقة لتحديد 8220 فترة قصيرة 8217s error8221 كمتغير مستقل: يجب أن تحسب الأخطاء على أساس فترة إلى فترة عندما يتم تركيب النموذج على البيانات. ومن وجهة نظر تقنية، فإن مشكلة استخدام الأخطاء المتأخرة كمنبئات هي أن التنبؤات النموذجية 8217s ليست وظائف خطية للمعاملات. رغم أنها وظائف خطية للبيانات السابقة. لذلك، يجب تقدير المعاملات في نماذج أريما التي تتضمن أخطاء متخلفة بطرق التحسين غير الخطية (8220hill-التسلق 8221) بدلا من مجرد حل نظام المعادلات. اختصار أريما لتقف على السيارات والانحدار المتكامل المتحرك المتوسط. ويطلق على الفترات المتأخرة في السلسلة المستقرة في معادلة التنبؤ مصطلحات كوتورغريسغريسيفيكوت، ويطلق على "أخطاء أخطاء التنبؤ" مصطلح "متوسط ​​التكلفة"، ويقال إن السلسلة الزمنية التي يجب أن تكون مختلفة لتكون ثابتة، هي عبارة عن نسخة متقاربة من سلسلة ثابتة. نماذج المشي العشوائي ونماذج الاتجاه العشوائي، ونماذج الانحدار الذاتي، ونماذج التجانس الأسي كلها حالات خاصة لنماذج أريما. ويصنف نموذج أريما نوناسونال على أنه نموذج كوتاريما (p، d، q) كوت حيث: p هو عدد مصطلحات الانحدار الذاتي، d هو عدد الاختلافات غير الموسمية اللازمة للاستبانة، و q هو عدد الأخطاء المتوقعة في التنبؤات معادلة التنبؤ. يتم بناء معادلة التنبؤ على النحو التالي. أولا، اسمحوا y تدل على الفرق د من Y. مما يعني: لاحظ أن الفرق الثاني من Y (حالة d2) ليس الفرق من 2 منذ فترات. بدلا من ذلك، هو الفرق الأول من الأول الفرق. وهو التناظرية منفصلة من مشتق الثاني، أي تسارع المحلي للسلسلة بدلا من الاتجاه المحلي. من حيث y. معادلة التنبؤ العامة هي: هنا يتم تعريف المعلمات المتوسطة المتحركة (9528217s) بحيث تكون علاماتها سلبية في المعادلة، وفقا للاتفاقية التي قدمها بوكس ​​وجينكينز. بعض الكتاب والبرمجيات (بما في ذلك لغة البرمجة R) تعريفها بحيث لديهم علامات زائد بدلا من ذلك. عندما يتم توصيل الأرقام الفعلية في المعادلة، لا يوجد أي غموض، ولكن من المهم أن نعرف 8217s الاتفاقية التي يستخدمها البرنامج الخاص بك عندما كنت تقرأ الإخراج. في كثير من الأحيان يتم الإشارة إلى المعلمات هناك من قبل أر (1)، أر (2)، 8230، و ما (1)، ما (2)، 8230 الخ لتحديد نموذج أريما المناسب ل Y. تبدأ من خلال تحديد ترتيب الاختلاف (د) الحاجة إلى توثيق السلسلة وإزالة الخصائص الإجمالية للموسمية، ربما بالاقتران مع تحول استقرار التباين مثل قطع الأشجار أو الانقسام. إذا كنت تتوقف عند هذه النقطة والتنبؤ بأن سلسلة ديفيرنتد ثابت، لديك مجرد تركيب المشي العشوائي أو نموذج الاتجاه العشوائي. ومع ذلك، قد لا تزال السلسلة المستقرة ذات أخطاء ذات علاقة ذاتية، مما يشير إلى أن هناك حاجة إلى بعض المصطلحات أر (p 8805 1) أندور بعض مصطلحات ما (q 8805 1) في معادلة التنبؤ. ستتم مناقشة عملية تحديد قيم p و d و q الأفضل لسلسلة زمنية معينة في الأقسام اللاحقة من الملاحظات (التي توجد روابطها في أعلى هذه الصفحة)، ولكن معاينة لبعض الأنواع من نماذج أريما نونسونالونال التي تواجه عادة ما يرد أدناه. أريما (1،0،0) من الدرجة الأولى نموذج الانحدار الذاتي: إذا كانت السلسلة ثابتة و أوتوكوريلاتد، وربما يمكن التنبؤ بها باعتبارها متعددة من قيمتها السابقة، بالإضافة إلى ثابت. معادلة التنبؤ في هذه الحالة هي 8230 الذي يتراجع Y على نفسه متأخرا بفترة واحدة. هذا هو 8220ARIMA (1،0،0) ثابت 8221 نموذج. إذا كان متوسط ​​Y هو الصفر، فإن المصطلح الثابت لن يتم تضمينه. إذا كان معامل الانحدار 981 1 موجبا وأقل من 1 في الحجم (يجب أن يكون أقل من 1 من حيث الحجم إذا كان Y ثابتا)، يصف النموذج سلوك التراجع المتوسط ​​الذي ينبغي التنبؤ فيه بقيمة 8217s للفترة التالية لتكون 981 1 مرة بعيدا عن متوسط ​​هذه الفترة قيمة 8217s. وإذا كان 981 1 سلبيا، فإنه يتنبأ بسلوك التراجع عن طريق تبديل الإشارات، أي أنه يتوقع أيضا أن يكون Y أقل من متوسط ​​الفترة التالية إذا كان أعلى من متوسط ​​هذه الفترة. في نموذج الانحدار الذاتي من الدرجة الثانية (أريما (2،0،0))، سيكون هناك مصطلح T-2 على اليمين كذلك، وهكذا. واعتمادا على علامات ومقدار المعاملات، يمكن أن يصف نموذج أريما (2،0،0) نظاما له انعكاس متوسط ​​يحدث بطريقة تتأرجح جيبيا، مثل حركة كتلة في فصل الربيع الذي يتعرض للصدمات العشوائية . أريما (0،1،0) المشي العشوائي: إذا كانت السلسلة Y ليست ثابتة، أبسط نموذج ممكن لذلك هو نموذج المشي العشوائي، والتي يمكن اعتبارها حالة الحد من نموذج أر (1) التي الانتكاس الذاتي معامل يساوي 1، أي سلسلة مع بلا حدود بطيئة متوسط ​​الانعكاس. ويمكن كتابة معادلة التنبؤ لهذا النموذج على النحو التالي: حيث يكون المصطلح الثابت هو متوسط ​​التغير من فترة إلى أخرى (أي الانجراف الطويل الأجل) في Y. ويمكن تركيب هذا النموذج كنموذج انحدار لا اعتراض يقوم فيه الفرق الأول من Y هو المتغير التابع. وبما أنه يشمل (فقط) اختلافا غير منطقي ومدة ثابتة، فإنه يصنف على أنه نموذج كوتاريما (0،1،0) مع ثابت. كوت نموذج المشي العشوائي بدون الانجراف سيكون أريما (0،1، 0) نموذج بدون نموذج أريسترجيسد من الدرجة الأولى (1-1،0): إذا كانت أخطاء نموذج المشي العشوائي مترابطة تلقائيا، ربما يمكن إصلاح المشكلة بإضافة فاصل واحد للمتغير التابع إلى معادلة التنبؤ - أي وذلك بتراجع الفارق الأول من Y على نفسه متأخرا بفترة واحدة. وهذا من شأنه أن يسفر عن معادلة التنبؤ التالية: التي يمكن إعادة ترتيبها إلى هذا هو نموذج الانحدار الذاتي من الدرجة الأولى مع ترتيب واحد من اختلاف غير منطقي ومدة ثابتة - أي. وهو نموذج أريما (1،1،0). أريما (0،1،1) دون تمهيد الأسي المستمر المستمر: اقترح استراتيجية أخرى لتصحيح الأخطاء أوتوكوريلاتد في نموذج المشي العشوائي من قبل نموذج تمهيد الأسي بسيط. تذكر أنه بالنسبة لبعض السلاسل الزمنية غير المستقرة (على سبيل المثال تلك التي تظهر تقلبات صاخبة حول متوسط ​​متغير ببطء)، فإن نموذج المشي العشوائي لا يؤدي كذلك إلى المتوسط ​​المتحرك للقيم السابقة. وبعبارة أخرى، فبدلا من أخذ الملاحظة الأخيرة كتوقعات الملاحظة التالية، من الأفضل استخدام متوسط ​​الملاحظات القليلة الأخيرة من أجل تصفية الضوضاء وتقدير المتوسط ​​المحلي بدقة أكبر. يستخدم نموذج التمهيد الأسي البسيط المتوسط ​​المتحرك المرجح أضعافا مضاعفة للقيم السابقة لتحقيق هذا التأثير. يمكن كتابة معادلة التنبؤ لنموذج التمهيد الأسي البسيط في عدد من الأشكال المكافئة رياضيا. واحد منها هو ما يسمى 8220 خطأ التصحيح 8221 النموذج، الذي يتم تعديل التوقعات السابقة في اتجاه الخطأ الذي قدمه: لأن ه ر - 1 ذ ر - 1 - 374 ر - 1 حسب التعريف، يمكن إعادة كتابة هذا كما في : وهو أريما (0،1،1) مع معادلة التنبؤ المستمر مع 952 1 1 - 945. وهذا يعني أنه يمكنك تناسب تمهيد الأسي بسيط من خلال تحديده باعتباره نموذج أريما (0،1،1) دون ثابت، ويقدر معامل ما (1) المقدر 1-ناقص ألفا في صيغة سيس. نذكر أن متوسط ​​عمر البيانات في التنبؤات قبل فترة واحدة هو 945 1 في نموذج سيس، وهذا يعني أنها سوف تميل إلى التخلف عن الاتجاهات أو نقاط التحول بنحو 1 945 فترات. ويترتب على ذلك أن متوسط ​​عمر البيانات في التنبؤات السابقة بفترة زمنية واحدة لنموذج أريما (0،1،1) بدون نموذج ثابت هو 1 (1 - 952 1). إذا، على سبيل المثال، إذا كان 952 1 0.8، متوسط ​​العمر هو 5. كما 952 1 النهج 1، يصبح النموذج أريما (0،1،1) بدون ثابت متوسط ​​متحرك طويل الأجل جدا، و 952 1 النهج 0 يصبح نموذج المشي العشوائي دون الانجراف. ما هو أفضل طريقة لتصحيح الارتباط الذاتي: إضافة المصطلحات أر أو إضافة مصطلحات ما في النموذجين السابقين نوقش أعلاه، تم إصلاح مشكلة أخطاء أوتوكوريلاتد في نموذج المشي العشوائي بطريقتين مختلفتين: عن طريق إضافة قيمة متخلفة من سلسلة مختلفة إلى المعادلة أو إضافة قيمة متأخرة لخطأ التنبؤ. النهج الذي هو أفضل قاعدة من الإبهام لهذا الوضع، والتي سيتم مناقشتها بمزيد من التفصيل في وقت لاحق، هو أن الارتباط الذاتي الإيجابي عادة ما يعامل بشكل أفضل بإضافة مصطلح أر إلى النموذج وعادة ما يعامل الارتباط الذاتي السلبي عن طريق إضافة ما المدى. في سلسلة الأعمال والاقتصاد الزمني، وغالبا ما تنشأ الارتباط الذاتي السلبي باعتباره قطعة أثرية من الاختلاف. (بشكل عام، يقلل الاختلاف من الارتباط الذاتي الإيجابي وربما يتسبب في التحول من الارتباط الذاتي الموجب إلى السالب). لذلك، فإن نموذج أريما (0،1،1)، الذي يكون فيه الاختلاف مصحوبا بمصطلح ما، غالبا ما يستخدم من أريما (1،1،0) نموذج. أريما (0،1،1) مع تمهيد الأسي المستمر المستمر مع النمو: من خلال تنفيذ نموذج سيس كنموذج أريما، كنت في الواقع كسب بعض المرونة. أولا وقبل كل شيء، ويسمح معامل ما (1) المقدرة لتكون سلبية. وهذا يقابل عامل تمهيد أكبر من 1 في نموذج سيس، وهو ما لا يسمح به عادة إجراء تركيب نموذج سيس. ثانيا، لديك خيار إدراج مدة ثابتة في نموذج أريما إذا كنت ترغب في ذلك، من أجل تقدير متوسط ​​الاتجاه غير الصفر. ويشتمل نموذج أريما (0،1،1) الثابت على معادلة التنبؤ: إن التنبؤات ذات الفترة الواحدة من هذا النموذج متشابهة نوعيا مع نموذج نموذج سيس، إلا أن مسار التنبؤات الطويلة الأجل عادة ما يكون (المنحدر يساوي مو) بدلا من خط أفقي. أريما (0،2،1) أو (0،2،2) دون تمهيد أسي خطية ثابتة: نماذج التجانس الأسية الخطية هي نماذج أريما التي تستخدم اثنين من الاختلافات نونسوناسونال بالتزامن مع الشروط ما. والفرق الثاني لسلسلة Y ليس مجرد الفرق بين Y وتخلف نفسها بفترتين، وإنما هو الفرق الأول من الاختلاف الأول - أي. التغيير في تغيير Y في الفترة t. وبالتالي، فإن الفارق الثاني من Y في الفترة t يساوي (Y t - Y t-1) - (Y t-1 - Y t-2) Y t - 2Y t-1 Y t-2. والفرق الثاني من الدالة المنفصلة يشبه مشتق ثان من دالة مستمرة: يقيس الدالة كوتاكسيليركوت أو كوتكورفاتوريكوت في الدالة عند نقطة معينة من الزمن. ويتنبأ نموذج أريما (0،2،2) دون توقع ثابت بأن الفارق الثاني من السلسلة يساوي دالة خطية لآخر خطأين متوقعين: يمكن إعادة ترتيبهما على النحو التالي: حيث يكون 952 1 و 952 2 هما (1) و ما (2) معاملات. هذا هو نموذج التجانس الأسي العام الخطية. أساسا نفس نموذج Holt8217s، و Brown8217s نموذج هو حالة خاصة. ويستخدم المتوسطات المتحركة المرجح أضعافا مضاعفة لتقدير كل من المستوى المحلي والاتجاه المحلي في هذه السلسلة. تتلاقى التوقعات على المدى الطويل من هذا النموذج مع خط مستقيم يعتمد ميله على متوسط ​​الاتجاه الملحوظ نحو نهاية السلسلة. أريما (1،1،2) دون ثابت خطي الاتجاه الاتجاه الأسي تمهيد. ويوضح هذا النموذج في الشرائح المصاحبة على نماذج أريما. فإنه يستقلب الاتجاه المحلي في نهاية السلسلة ولكن تسطح بها في آفاق التنبؤ أطول لإدخال مذكرة من المحافظة، وهي الممارسة التي لديها الدعم التجريبي. انظر المقال على كوهي في ذي تريند تريند وركسكوت غاردنر أند ماكنزي أند ذي كوغولدن رولكوت أرتيسترونغ إت آل. للتفاصيل. فمن المستحسن عموما التمسك النماذج التي لا يقل عن واحد من p و q لا يزيد عن 1، أي لا تحاول أن تناسب نموذج مثل أريما (2،1،2)، وهذا من المرجح أن يؤدي إلى الإفراط في تجهيز وكومكومون-فاكتوركوت القضايا التي نوقشت بمزيد من التفصيل في الملاحظات على الهيكل الرياضي لنماذج أريما. تنفيذ جدول البيانات: من السهل تنفيذ نماذج أريما مثل تلك الموضحة أعلاه على جدول بيانات. ومعادلة التنبؤ هي مجرد معادلة خطية تشير إلى القيم السابقة للسلاسل الزمنية الأصلية والقيم السابقة للأخطاء. وهكذا، يمكنك إعداد جدول بيانات تنبؤ أريما عن طريق تخزين البيانات في العمود ألف، وصيغة التنبؤ في العمود باء، والأخطاء (البيانات ناقص التنبؤات) في العمود C. وستكون صيغة التنبؤ في خلية نموذجية في العمود باء ببساطة تعبير خطي يشير إلى القيم في الصفوف السابقة من العمودين A و C مضروبا في معاملات أر أو ما المناسبة المخزنة في خلايا أخرى في جدول البيانات.