کالبدشکافی آریما: چگونه خودرگرسیون، تفاضل‌گیری و میانگین متحرک برای پیش‌بینی سری‌های زمانی ترکیب می‌شوند

پیش‌بینی‌کنندگانی که صرفاً به میانگین‌های تاریخی خام تکیه می‌کنند، پیوسته تغییرات ناگهانی بازار را از دست می‌دهند، در حالی که کسانی که هر نوسان داده‌ای را دنبال می‌کنند، نسبت به نویز واکنش بیش از حد نشان می‌دهند. مدل خودرگرسیون یکپارچه میانگین متحرک (ARIMA) این مشکل را با تقسیم داده‌های تاریخی به سه جریان ریاضی متمایز — مقادیر گذشته، خطاهای گذشته و روندهای زیربنایی — حل می‌کند. این تفکیک ریاضی به تحلیلگران اجازه می‌دهد تا حرکات آتی را پیش‌بینی کنند، بدون اینکه فریب ناهنجاری‌های موقتی را بخورند و مجموعه‌های داده نامنظم را به سیگنال‌های ایستا و قابل پیش‌بینی تبدیل می‌کند.

این متدولوژی که اولین بار در سال ۱۹۷۰ توسط آمارشناسان جورج باکس و گویلیم جنکینز رسمی شد، همچنان معیار اصلی است که الگوریتم‌های پیش‌بینی مدرن با آن سنجیده می‌شوند. ادبیات بنیادی در این زمینه اشاره می‌کند: «در آمار و اقتصادسنجی، به ویژه در تحلیل سری‌های زمانی، مدل آریما تعمیمی از مدل خودرگرسیون میانگین متحرک (ARMA) است.» با افزودن جزء یکپارچه‌سازی (Integrated)، این چارچوب قادر است داده‌هایی را مدیریت کند که در طول زمان دچار رانش می‌شوند، به جای آنکه به یک میانگین ثابت بازگردند.[1]

چالش اصلی در پیش‌بینی سری‌های زمانی، ناایستایی (Non-stationarity) است. یک مجموعه داده زمانی ایستا است که ویژگی‌های آماری آن — مانند میانگین و واریانس — در طول زمان ثابت بمانند. داده‌های دنیای واقعی، از فروش ماهانه خرده‌فروشی گرفته تا قیمت روزانه سهام، به ندرت چنین رفتاری دارند. این داده‌ها با تورم صعودی می‌شوند یا با تقاضای فصلی نوسان می‌کنند. مدل‌های آریما مستقیماً این مسئله را از طریق پارامتر میانی خود، یعنی جزء 'I' یا یکپارچه‌سازی، که با 'd' نشان داده می‌شود، حل می‌کنند.[3]

تفاضل‌گیری، مقدار فعلی را از مقدار قبلی کم می‌کند تا روندهای زیربنایی حذف شوند. اگر درآمد یک شرکت هر ماه ۱۰,۰۰۰ دلار رشد کند، داده خام به طور بی‌پایان بالا می‌رود، اما داده تفاضل‌گیری شده به یک خط مسطح و ایستا تبدیل می‌شود که در حدود ۱۰,۰۰۰ دلار شناور است. راهنمای Lean 6 Sigma Hub توضیح می‌دهد: «مدل‌های آریما به ویژه هنگام کار با داده‌هایی که الگوی ثابتی در طول زمان نشان می‌دهند اما در معرض شوک‌های تصادفی هستند، مؤثرند.» بیشتر داده‌های استاندارد تجاری برای دستیابی به این ایستایی، به مقدار 'd' برابر با ۱ یا ۲ نیاز دارند.