Die Box-Jenkins-Methode ist eine Strategie oder ein Verfahren, mit dem ein ARIMA-Modell erstellt werden kann. Die Methodik wird in dem Buch Time Series Analysis: Forecasting and Control von George EP Box und Gwilym M. Jenkins beschrieben, das ursprünglich 1970 veröffentlicht wurde - neuere Ausgaben existieren.
Durch Öffnen von SAS, Aufrufen von proc ARIMA und Bereitstellen von Nummern für p, d und q haben Sie lediglich ein ARIMA-Modell geschätzt. Dies blind zu tun, dh keine bestimmte anerkannte Methode zur Identifizierung des ARIMA-Modells selbst zu verwenden, ist ein bisschen wie mit Spielen zu spielen - die Gefahren von Software!
Wenn Sie diesen Vorgang immer wieder wiederholen - viele, viele ARIMA-Modelle schätzen -, können Sie möglicherweise ein Modell mit dem niedrigsten Akaike-Informationskriterium auswählen (aus dem von Ihnen geschätzten Modellsatz). In diesem Zusammenhang wäre ein systematischerer Ansatz, einen Algorithmus zu verwenden, der auf dem Vergleich von AIC-Werten für eine Vielzahl verschiedener Modelle basiert, um automatisch ein ARIMA-Modell für Sie auszuwählen, wie das vom Prognosepaket in R - dem relevanten Funktionsnamen - bereitgestellte ist auto.arima()
.
In jedem Fall umfasste das von Ihnen beschriebene Verfahren die Auswahl eines ARIMA-Modells basierend auf der Minimierung eines Informationskriteriums (in diesem Fall AIC, aber es gibt andere Maßnahmen). Dies ist eine bestimmte Methode, aber nicht die Box-Jenkins-Methode. eine Alternative.
Die Box-Jenkins-Methodik umfasst fünf Stufen (obwohl manchmal nur drei Stufen bezeichnet werden):
- Überprüfung auf Stationarität oder Nichtstationarität und ggf. Transformation der Daten;
- Identifizierung eines geeigneten ARMA-Modells;
- Schätzung der Parameter des gewählten Modells;
- Diagnostische Überprüfung der Modelladäquanz; und
- Vorhersage oder Wiederholung der Schritte zwei bis fünf.
Insbesondere handelt es sich um einen iterativen Prozess, bei dem der Modellbauer ein gewisses Urteilsvermögen ausübt - und dies ist ein Aspekt der Methodik, der als Mangel angesehen wurde. Die wertende Rolle spielt insbesondere bei der Interpretation zweier Werkzeuge eine Rolle. nämlich die (geschätzte) Autokorrelationsfunktion (ACF) und die partielle Autokorrelationsfunktion (PACF).
Wenn Sie ein Praktiker der Box-Jenkins-Methodik werden möchten, würde ich empfehlen, den Originaltext (Sie wären überrascht, was moderne Lehrbücher weglassen!) Neben den modernen Variationen zu konsultieren. Alan Pankratz hat ein paar ausgezeichnete Lehrbücher, die ich auch sehr empfehlen würde; Beispiel: Prognose mit univariaten Box-Jenkins-Modellen: Konzepte und Fälle .
Die Erfahrung zeigt mir, dass der Begriff "Box-Jenkins-Methodik" lose verwendet wird, weil ich gehört habe, dass einige Leute ihn nur zum Erstellen von ARIMA-Modellen im Allgemeinen verwenden - und nicht zum eigentlichen Prozess beim Erstellen eines ARIMA-Modells - während andere es verwenden, um auf eine modifizierte Version dessen zu verweisen, was 1970 veröffentlicht wurde. Wie @Glen_b betont hat, "gibt es heutzutage zahlreiche Dokumente, die die Box-Jenkins-Methodik beschreiben, die die Verwendung von AIC oder ähnlichen Mengen beinhalten würden". .
F: Sollten Sie die Box-Jenkins-Methode verwenden, um erste Schätzungen für p, d, q zu erhalten?
Wie bereits erwähnt, gibt es verschiedene Modellauswahlstrategien, daher lautet die Antwort: Nein, es ist nicht unbedingt der Fall, dass Sie die Box-Jenkins-Methode anwenden müssen, aber Sie könnten, wenn Sie möchten.
F: Hat SAS es irgendwie intern verwendet?
Sehr unwahrscheinlich, es sei denn, diese Software bietet eine ziemlich ausgefeilte Funktion! In der offiziellen SAS-Dokumentation finden Sie Einzelheiten dazu, was die Software tut oder kann. Wenn es R wäre, könnten Sie sich den Quellcode ansehen, aber ich bezweifle, dass dies bei SAS eine Option ist.