ARIMAachtige

ARIMAachtige verwijst naar modellen die sterk lijken op ARIMA, oftewel modellen uit de ARIMA-familie en verwante benaderingen met een vergelijkbare structurele opzet. Ze worden gebruikt voor het voorspellen van tijdreeksen en omvatten vaak autoregressie, differentiatie en een moving-average component, soms met seizoenscomponenten of exogene variabelen.

Een ARIMA-model bestaat uit drie sleutelonderdelen: autoregressie (AR) waarbij huidige waarden worden verklaard door voorgaande waarden, integratie (I) die differencing omvat om non-stationaire data stationair te maken, en een moving-average (MA) component die fouttermen uit eerdere tijdpunten integreert. De modeldefinitie wordt doorgaans gegeven door de orde p, d en q. Varianten bestaan uit ARMA (zonder differencing), ARIMA zelf, en seizoensgerelateerde vormen zoals SARIMA, die naast p, d en q ook seizoenscomponenten P, D, Q en een seizoensperiode s opnemen.

ARIMAachtige modellen omvatten vaak ook ARIMAX en SARIMAX, die exogene variabelen bevatten en daarmee extra voorspellende informatie kunnen benutten. Deze modellen zijn vooral populair in econometrie, financiën en klimaatwetenschappen vanwege hun duidelijke interpretatie, relatief lage rekenkost en sterke prestaties bij lineaire tijdreeksen met stabiele parameters.

Voordelen zijn onder meer transparante structurele interpretatie en goede kortetermijnvoorspellingen bij geschikte data. Beperkingen omvatten gevoeligheid voor modelkeuze, vereiste stationariteit na differencing, lineaire assumpties en gevoeligheid voor ontbrekende waarden of structurele breuken. Diagnostiek gebeurt via informatiecriteria (zoals AIC/BIC) en residu-analyse, inclusief witruisonafhankelijke testen.

Veelgebruikte software voor ARIMAachtige modellen omvat pakketten in R en Python die estimatie, diagnose en forecast-rapportages ondersteunen.