2019/02/12
2020/04/14
ARIMAモデル(自己回帰和分移動平均モデル)について分かりやすく解説!
この記事ではARIMAモデルについて解説していきます。
ARIMAモデルはAR、MAモデルに加えて差分系列の考えを組み合わせた集大成のようなモデルです。
AR、MA、ARMAモデルの知識を身に着けたうえでこの記事を読むと理解しやすいでしょう。
ARIMAモデルの概要
ARIMAモデルの定義
ARIMAモデルは時系列データのd階差分系列、\( y_t – y_{t – d}\)をARMAモデルで表現するモデルです。
まずはARIMA\( (p,d,q) \)モデルの定義式を見てみましょう。
\( y_{t} – y_{t-d} =c + \phi_{1}y_{t-1} + \phi_{2}y_{t-2} + \cdots + \phi_{p}y_{t-p} + \varepsilon_{t} + \theta_{1}\varepsilon_{t-1} + \cdots + \theta_{q}\varepsilon_{t-q} \)
また以下のようにARIMA\( (p,d,q) \)モデルを表わすこともできます。こちらの方がよりARIMAモデルをシンプルに表現しています。
式の右辺がARモデルとMAモデルの組み合わせであることが分かります。
\( y_{t} – y_{t-d}=c + \varepsilon_{t} + \displaystyle \sum_{ i = 1 }^{ p } \phi_{i}y_{t-i} +\displaystyle \sum_{ i = 1 }^{ q } \theta_{i}\varepsilon_{t-i} \ \ldots \ (1) \)
ARIMAモデルとは
上記のARIMA\( (p,d,q) \)モデル式\( (1) \)を見ながら、ARIMAモデルがどのようなものであるか考えていきます。
まずARIMAモデルが\( y_t \)のd階差分系列にARMAモデルをあてはめたモデルであることを思い出してみましょう。
確かに\( (1) \)式の左辺はd階差分系列、右辺はARMA\((p,q)\)モデルによって表されています。
またARIMA\( (p,d,q) \)モデルの3つの変数\( p,d,q \)がそれぞれ\( p \)次ARモデル、\( d \)階差分系列、\( q \)次MAモデルを表していると分かります。
ARIMAモデルの表現
記事の冒頭でARIMAモデルはAR、MAモデルの集大成のようなモデルと述べました。
なぜARIMAモデルを集大成のようなモデルと表現したのでしょうか。
それはARIMAモデルを用いてAR、MA、ARMAモデルを表現できるためです。
実際にARIMAモデルの3つの変数\( p,d,q \)を変更することで、AR、MA、ARMAモデルを表現できることを確認してみましょう。
まずはARIMA\( (1,0,0) \)モデル式がどのようになるか考えます。
\( 0 \)次差分系列が\(y_t \)であることを考えると左辺は\(y_t \)になります。一方で右辺は\( 1 \)次ARモデルのみによって構成されます。
これを踏まえるとARIMA\( (1,0,0) \)モデル式は以下のように表されます。これは\( 1 \)次ARモデルですね。
\( y_{t}= c + \varepsilon_{t} + \displaystyle \sum_{ i = 1 }^{ p } \phi_{i}y_{t-i} \)
ARIMAモデルを用いてMAモデル、ARMAモデルを表現することも考えてみます。
例えばARIMA\( (0,0,1) \)モデルは1次MAモデルになります。またARIMA\( (2,0,1) \)モデルは、ARMA\( (2,1) \)モデルのことを表します。
ARIMAモデルの変数\( d \)が\( 0 \)の時、ARIMAモデル式の左辺が\(y_t \)になることを考えるとARIMA\( (0,0,1) \)、ARIMA\( (2,0,1) \)はそれぞれ以下のように表すことができます。
\( y_{t} =c + \varepsilon_{t} + \displaystyle \sum_{ i = 1 }^{ 1 } \theta_{i}\varepsilon_{t-i} \)
\( y_{t} =c + \varepsilon_{t} + \displaystyle \sum_{ i = 1 }^{ 2 } \phi_{i}y_{t-i} +\displaystyle \sum_{ i = 1 }^{ 1 } \theta_{i}\varepsilon_{t-i} \)
確かにARIMAモデルでAR、MA、ARMAモデルを表現できると確認できました。
まとめ
今回はARIMAモデルについて説明してきました。
ARIMAモデルについて2つのことを確認しましょう。
一つはARIMA\( p,d,q \)モデルの3つの変数がそれぞれ\( p \)次ARモデル、\( d \)次差分系列、\( q \)次MAモデルを示しているということです。
またARIMAモデルがAR、MAなどのモデルを表現できる一般的なモデルであるということを忘れないようにしましょう。
沖本さんの「経済・ファイナンスデータの計量時系列分析」を参考にしました。
最新投稿記事
-
AIプロジェクトの企画と失敗しない進め方を解説 2021年1月19日
-
AVILEN人材育成コース受講体験談:山田裕之さん「E資格の”その先”を目指して」 2021年1月8日
-
AI導入とは?RPAとの関係、プロセス、事例、メリット、費用を詳細に解説 2020年12月7日
-
注目のAI開発企業11社!支援領域や提供方法など検証! 2020年10月28日
-
AI人材を育成できる研修プログラムを一挙紹介! 2020年10月20日
-
【2021年版】期待のAI資格11選!就職・転職にも使える! 2020年10月18日
-
JDLAとは?G検定、E資格の認定プログラム、合格者の会など紹介! 2020年10月14日
-
G検定(2020#3)受験申し込み開始、11月7日(土)実施-JDLA 2020年10月1日
-
【独占】コロナ禍で人材登録急増、アノテーション単月売上高は4倍超-パソナJOB HUB 2020年10月1日
-
E資格を転職に活用!評判とデータを徹底調査! 2020年9月29日
週間ランキング
【2021年版】コスパ重視のG検定対策!おすすめの本・講座・教材を一挙紹介! 2020年6月6日
【2021年版】期待のAI資格11選!就職・転職にも使える! 2020年10月18日
G検定に短期間・独学で合格した勉強法を解説! 2020年8月3日
G検定は難しい?難易度・合格ライン・問題を徹底解説! 2020年6月19日
注目のAI開発企業11社!支援領域や提供方法など検証! 2020年10月28日
G検定に落ちた人、合格した人。勉強法の違いはどこにある? 2020年6月25日
最弱オセロを初めて攻略した天才オセロ高校生。負け方を解説! 2020年7月31日
【2021年版】E資格とは?大注目のディープラーニングの資格を解説! 2020年9月29日
E資格の難易度を、合格率と問題から徹底分析! 2020年8月11日
評判上昇中のG検定を取得するメリットを解説! 2020年7月10日
