‫‪Mascara Université Mustapha‬‬ ‫جامعة مصطفى اسطمبولي‬

‫‪Stambouli‬‬ ‫معسكــــر‬

‫كلية العلوم االاقتصادية‬

‫‪faculté d'économie commerce et‬‬
‫‪sciences de gestion‬‬
‫الجمهورية الجزائرية الديمقراطية الشعبية‬
‫وزارة التعليم العالي و البحث العلمي‬

‫تحليل اقتصادي واستشراف ‪.‬ماستر‪ : 1‬التخصص‬

‫الموضوع‪:  ‬‬

‫منهجية بوكس وجينكيز للتنبؤ‬

‫تحليل السالسل الزمنية ‪ :‬المادة‬
‫أ‪.‬قليل محمد صغير ‪  :‬االستاد المكلف‬

‫بومعيزة أحمد األمين ‪  :‬تقديم من طرف الطالب‬

‫السنة الدراسية ‪2021/2022‬‬

 ‫المحتويات‬

‫‪ 1‬نهج النمذجة‬

‫‪ 2‬تحديد نموذج ‪. Box - Jenkins‬‬

‫‪2.1‬الثابتة والموسمية‬

‫‪2.1.1‬كشف الثبات ‪2.1.2‬‬

‫‪2.1.2‬الكشف عن الموسمية ‪2.1.3‬‬

‫‪2.1.3‬التمايز لتحقيق الثبات ‪2.1.4‬‬

‫‪2.2‬التباين الموسمي‬

‫تحديد ‪ p‬و ‪q‬‬

‫‪2.1.1‬االرتباط التلقائي ومخططات االرتباط& التلقائي الجزئي‬

‫‪ 3‬تقدیر نموذج ‪Box - Jenkins‬‬

‫‪ 4.1‬تشخيصات نموذج ‪Box-jenkins‬‬

‫‪4.1‬افتراضات لعملية أحادية اللغير مستقرة‬

‫‪ 5‬المراجع‬

‫نهج النمذجة‬
 ‫النموذج األصلي يستخدم نهج نمذجة تكرارية ثالثية المراحل‬

‫تحديد النموذج و اختيار& النموذج ‪ :‬التأكد من أن المتغيرات ثابتة ‪ ،‬وتحديد& الموسمية في السلسلة التابعة‬

‫تميزها موسميا& إذا لزم األمر) ‪ ،‬واستخدام قطع الترابط التلقائي (‪ ACF‬و االرتباط التلقائي الجزئي (‬
‫‪ )PACF‬وظائف& السلسلة الزمنية التابعة لتحديد أيهما (إن وجد)) يجب استخدام مكون المتوسط المتحرك‬
‫أو االنحدار التلقائي في النموذج تقدير المعلمة باستخدام خوارزميات& الحساب للوصول& إلى المعامالت‬
‫التي تناسب نماذج ‪ ARIMA‬المحدد‪ .‬تستخدم& الطرق األكثر شيوعا تقدير االحتمال األقصى أو تقدير‬
‫المربعات الصغرى& غير الخطية فحص النموذج اإلحصائي عن طريق& اختبار ما إذا كان النموذج المقر‬
‫يتوافق مع مواصفات عملية ثابتة أحادية المتغير& على وجه الخصوص ‪ ،‬يجب أن تكون المخلفات مستقلة‬
‫عن بعضها& البعض وثابتة في المتوسط والتباين بمرور& الوقت‪( .‬أن رسم المتوسط& والتباين للمخلفات‬
‫بمرور& الوقت وإجراء اختبار ‪ - Ljung Box‬أو التخطيط لالرتباط& التلقائي واالرتباط التلقائي الجزئي‬
‫للمخلفات يساعد في تحديد الخطأ في التحديد‪ ).‬إذا كان التقدير غير كاف ‪ ،‬يتعين علينا العودة إلى الخطوة‬
‫األولى ومحاولة بناء نموذج أفضل‪ .‬البيانات التي استخدموها& كانت من فرن غاز‪ .‬تعرف هذه البيانات‬
‫باسم بيانات فرن الغاز ‪ Box and Jenkins‬لقياس النماذج التنبؤية‬

‫يجادل ‪ Commandeur & Koopman )2007 ، $ 10.4‬بأن نهج ‪Box-Jenkins‬‬

‫يمثل مشكلة أساسية‪ .‬تنشأ المشكلة ألنه في المجاالت االقتصادية واالجتماعية ‪ ،‬ال تكون السالسل الحقيقية‬
‫ثابتة أبدا مهما كان هناك الكثير من االختالفات"‪ .‬وبالتالي يتعين على المحقق مواجهة السؤال‪ :‬ما مدى‬
‫قربه من الثابت بما يكفي؟ كما الحظ المؤلفون ‪" ،‬هذا سؤال يصعب اإلجابة عليه"‪ .‬يجادل المؤلفون كذلك‬
‫أنه بدال من استخدام ‪ Box - Jenkins‬من األفضل استخدام طرق قضاء الحالة ‪ ،‬حيث ال تكون ثبات‬
‫السلسلة الزمنية مطلوبة بعد ذلك‪.‬‬

‫اﻟﺷﻛل (‪)1‬‬
‫‪ Box-‬ﺧطــــوات ﺗطﺑﯾــــق ﻣﻧﻬﺟﯾــﺔ‬
‫ﻻ‬ ‫‪Jenkins‬‬

‫ﻧﻌم‬ ‫ﻫل‬ ‫ﺗﻘدﯾــــر‬ ‫ﺗﺣدﯾـــــــد‬

‫اﻟﺗﻧﺑـــــــــــ‬ ‫اﻟﻧﻣــــــــوذج‬ ‫ﻣﻌﻠﻣﺎت‬
‫ــــؤ‬ ‫اﻟﻧﻣـــــــو‬
‫ﻣﻧﺎﺳب؟ )ﻓﺣـــ‬ ‫اﻟﻧﻣــــــــــوذج‬ ‫ذج‬

‫ص‬
‫‪4‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪3‬‬
 ‫تحديد نموذج ‪Box-jenkins‬‬

‫الثابتة والموسمية‬

‫الخطوة األولى في تطوير نموذج ‪Box - Jenkins‬هي تحديد ما إذا كانت السلسلة الزمنية هي ثابت وما‬
‫إذا كان هناك أي موسمية كبيرة تحتاج إلى نمذجة‬

‫کشف الثبات‬

‫يمكن تقييم الثبات من مخطط تسلسل التشغيل ‪ .‬يجب أن يظهر& مخطط تسلسل التشغيل مولغا ثابتا و‬
‫مقياس ‪ .‬يمكن أيضا اکتشافه من مؤامرة االرتباط& التلقائي ‪ ،‬على وجه التحديد ‪ ،‬غالبا ما يشار إلى عدم‬
‫الثبات من خالل مؤامرة ارتباط ذاتي مع تسوس بطيء جدا‪.‬‬

‫الكشف عن الموسمية‬

‫يمكن عادة تقييم الموسمية (أو الدورية) من مخطط االرتباط التلقائي أو مخطط السلسلة الفرعية‬
‫الموسمية أو الرسم& الطيني& ‪.‬‬

‫التحقيق االستقرار برصي ‪ Box and Jenkins‬پنهج االختالف لتحقيق الثمات‪ .‬ومع ذلك‪ ،‬يمكن أيضا‬
‫استخدام& مالمية منحني وطرح& القوم المناسبة من البيانات األصلية في سراق نماذج ‪Box-jenkins‬‬

‫االختالف الموسمي‬

‫في مرحلة تحديد النموذج ‪ ،‬الهدف هو اكتشاف الموسمية ‪ ،‬إن وجدت ‪ ،‬وتحديد ترتیب شروط& المتوسط‬
‫المتحرك المرسي& والتراجع& الذاتي الموسمي‪ &.‬بالنسبة للعديد من السالسل ‪ ،‬تكون الفترة معروية وبكفي‬
‫مصطلح مرسمي واحد‪ .‬على سبيل المثال ‪ ،‬بالنسبة للبيانات الشهرية ‪ ،‬قد يتضمن القرد عادة إما‬
‫مصطلح ‪ AR 12‬موسميا& أو مصطلح ‪ MA‬موسميا& ‪ ،12‬بالنسبة لنماذج ‪Box-Jenkins‬‬

‫‪ ،‬ال يزيل المره الموسمية صراحة قبل تركيب النموذج‪ ،‬بدال من ذلك ‪ ،‬يتضمن المرء ترتيب الشروط&‬
‫الموسمية في مواصفات النموذج البرنامج التقدير ‪ . ARIMA‬ومع ذلك ‪ ،‬قد يكون من المفيد تطبيق‬
‫اختالف موسمي& على البيانات وتجديد مخططات االرتباط& التلقائي واالرتباط التلقائي الجزئي‪ .‬قد يساعد‬
‫هذا في تحديد نموذج للمكون غير الموسمي& للنموذج‪ .‬في بعض الحاالت ‪ ،‬قد يؤدي االختالف المرسمي‬
‫إلى ازالة معظم أو كل تثير الموسمية‬

‫تحديد ‪ p‬و ‪q‬‬

‫بمجرد معالجة النباتية والمرسية ‪ ،‬فإن الخطرة التالية في تحديد الترتيب (أي مرو) لشررط المتوسط&‬
‫المتحرك واالرتداد التلقائي المزلقرن المختلفرن لديهم طرق مختلفة لتحديد مرو‪ .‬يذكر ‪Brockwell‬‬
‫‪ )1991) and Davis‬أن "ميارنا األساسي الختيار& النموذج من بين لماذج و ‪،‬‬

‫‪ARMA (E‬‬
 ‫)] سيكون ‪ ، "AICC‬أي معيار معلومات ‪ Akaike‬مع التصحيح‪ .‬يستخدم& مؤلفون أخرون مؤامرة‬
‫االرتباط& التلقائي ومؤامرة االرتباط& التلقائي الجزئي الموصوفة أدناه‬

‫مخططات االرتباط الذاتي واالرتباط الذاتي الجزئي‬

‫تتم مقارنة مخطط االرتباط التلقائي النموذجي ومخطط االرتباط التلقائي الجزئي للعينة مع السلوك‬
‫النظري& لهذه المؤامرات عندما يكون الترتيب معروفا&‬

‫على وجه التحديد ‪ ،‬بالنسبة لعملية ‪ ، )AR )1‬يجب أن يكون لوظيفة االرتباط& التلقائي للعينة مظهر‬
‫متناقص بشكل كبير‪ ،‬ومع ذلك ‪ ،‬غالبا ما تكون عمليات ‪ AR‬عالية المستوى مزيجا من المكونات الجيبية‬
‫المتناقصة والمثبطة بشكل كبير‪.‬‬

‫بالنسبة لعمليات االنحدار الذاتي ذات الترتيب األعلى ‪ ،‬يجب استكمال نموذج االرتباط التلقائي بمخطط‬
‫ارتباط& تلقائي جزئي‪ ،‬يصبح االرتباط& التلقائي الجزئي لعملية ‪AR (p‬‬

‫صفرا عند التأخر ‪ p+1‬وأكبر ‪ ،‬لذلك نقوم بفحص عينة دالة االرتباط التلقائي الجزئي لمعرفة ما إذا‬
‫كان هناك دليل على الخروج من الصفر‪ .‬يتم تحديد ذلك عادة عن طريق وضع ‪ %95‬فاصل ثقة على‬
‫نموذج مخطط االرتباط& التلقائي الجزئي (معظم البرامج التي تولد عينات من مخططات االرتباط التلقائي‬
‫ترسم& أيضا فاصل الثقة هذا)‪ .‬إذا لم ينشئ البرنامج نطاق الثقة ‪ ،‬فسيكون تقريبا ‪N {\ / 21‬‬
‫‪displaystyle \ pm 2 /\ sqrt (N‬‬

‫}}} ‪ ،‬حيث تشير ‪ N‬إلى حجم العينة‬

‫تصيح وظيفة االرتباط التلقائي لعملية و) ‪ )MA‬صفرة عند التأخر ‪ q+1‬وأكبر ‪ ،‬لذلك نقوم بفحص‬
‫نموذج دالة االرتباط التلقائي اتری این تحصيح سفرا بشكل أساسي‪ .‬نقوم بذلك عن طريق رمشبع باسل‬
‫الثقة ‪ | %95‬الوظيفة االرتباط& التلنائي للعينة على مخطط االرتباط& التلقائي للعينة‪ .‬يمكن لمعظم البرامج‬
‫التي يمكنها إنشاء مخطط االرتباط& التلقائي أيضا إنشاء فاصل الثقة هذا‬

‫نموذج دالة االرتباط التلقائي الجزئي ليست مفيدة بشكل‬

‫عام في تحديد ترتيب عملية المتوسط& المتحرك&‬

‫يلخص الجدول التالي كيف يمكن للمرء استخدام العينة وظيفة االرتباط التلقائي لتحديد النموذج‬
 ‫يقترح ‪ Hyndman & Athanasopoulos‬ما يلي‪:‬‬

‫قد تتبع البيانات نموذج ‪ARIMA (p a d ،0‬‬

‫إذا كانت مؤامرات ‪ ACF‬و ‪ PACF‬للبيانات المختلفة تظهر األنماط التالية ‪ ACF‬يتحلل أسيا أر جيبيا ‪1‬‬
‫هناك ارتفاع كبير في التأخر ‪ p‬في ‪ ، PACF‬لكن ال شيء يتجاوز التأخر ‪ .p‬قد تتبع البيانات نموذج و ‪،‬‬

‫‪ARIMA (0، d‬‬

‫) إذا كان ‪ ACF‬و ظهر مخططات ‪ PACF‬للبيانات المختلفة األنماط التالية‬

‫يتحلل ‪ PACF‬بشكل كبير أو جيبي ؟‬

‫هناك ارتفاع كبير في التأخر ‪ q‬في ‪ ، ACF‬ولكن ال شيء يتجاوز التأخر ‪q‬‬

‫من الناحية العملية ‪ ،‬فإن وظائف االرتباط& التلقائي للعيئة واالرتباط التلقائي الجزئي& هي متغيرات‬
‫عشوائية وال تعطي نفس الصورة مثل الوظائف& النظرية‪ .‬هذا يجعل تحديد النموذج أكثر صعوبة‪ .‬على‬
‫وجه الخصوص ‪ ،‬قد يكون من الصعب تحديد النماذج المختلطة‪ .‬على الرغم من أن التجربة مفيدة ‪ ،‬إال‬
‫أن تطرير نماذج جيدة باستخدام نماذج المخططات هذه يمكن أن ينطوي& على الكثير من التجربة والخطأ‪.‬‬

‫تقدیر نموذج ‪ Box - Jenkins‬يتضمن‬

‫تقدير المعلمات لنماذج ‪Box - Jenkins‬‬

‫يتضمن تقدير المعلمات لنمادج ‪Box-Jenkins‬التقريب العددي لحلول المعادالت غير الخطية‪ .‬لهذا‬
‫السبب ‪ ،‬من الشائع استخدام& البرامج اإلحصائية المصممة للتعامل مع النهج ‪ -‬تتميز جميع الحزم‬
‫اإلحصائية الحديثة تقريبا بهذه اإلمكانية األساليب الرئيسية لتركيب نماذج ‪Box - Jenkins‬‬

‫هي المربعات الصغرى& غير الخطية وتقدير االحتمالية التصري‪ ،‬تقدير االحتمالية القصوى& هو األسلوب‬
‫المفضل بشكل عام‪ .‬معادالت االحتمالية النموذج ‪Box-Jenkins‬‬

‫الكامل معقدة وال يتم تضمينها هئا‪ .‬انظر (‪ )Brockwell 1991 ،and Davis‬للحصول على التفاصيل‬
‫الرياضية‬

‫تشخيصات نموذج ‪Box - Jenkins‬‬

‫افتراضات لعملية أحادية المتغير مستقرة‬

 ‫التشخيصات& النموذجية لنماذج ‪Box - Jenkins‬تشبه التحقق من صحة النموذج لتركيب المربعات‬
‫الصغرى& غير الخطية أي أن مصطلح الخطأ ‪ At‬يفترض أن يتبع االفتراضات& الخاصة بعملية متغير‬
‫ثابت‪ .‬يجب أن تكون المخلفات ضوضاء بيضاء (أو مستقلة عندما تكون توزيعاتها& طبيعية رسومات& من‬
‫توزيع& ثابت بمتوسط وتباين ثابت‪ .‬إذا كان نموذج‬

‫‪ Box-Jenkins‬نموذجا جيدا للبيانات ‪ ،‬يجب أن تفي القيم المتبقية بهذه االفتراضات‬

‫إذا لم يتم استيفاء هذه االفتراضات ‪ ،‬يحتاج المرء إلى مالءمة نموذج أكثر مالءمة‪ .‬أي ‪ ،‬أرجع إلى‬
‫خطوة تحديد النموذج وحاول تطوير نموذج أفضل‪ .‬نأمل أن يوفر تحليل المخلفات بعض القرائن على‬
‫نموذج أكثر مالءمة أي ‪ ,‬ارجع الى خطوة تحديد نمودج و حاول تطوير نمودج أفضل ‪.‬نأمل أن يوفر‬
‫تحليل المخلفات بعص القرائن على نمودج أكثر مالءمة‬

‫إحدى الطرق لتقييم ما إذا كانت البقايا من نموذج ‪Box-Jenkins‬تتبع االفتراضات هي إنشاء رسومات‬
‫إحصائية (بما في ذلك مؤامرة االرتباط التلقائي للمخلفات‪ .‬يمكن للمرء أيضا أن ينظر إلى اليمة ‪box-.‬‬
‫‪Ljung statistic‬‬
 ‫المراجع‬

‫مزيد من القراءة‬

‫‪Oickle ، C. (1994). "Comparison of Box -Jenkins : Beveridge، S‬‬

‫رالطرق& الموضوعية لتحديد ترتيب نموذج ‪ ARMA‬غير الموسمي" ‪ ،‬مجلة التنبؤ ‪: ، 434 419 :13‬‬
‫‪doi10.1002/ for.3980130502‬‬

‫‪Pankratz، Alan )1983‬‬

‫التنبؤ باستخدام& ‪Univariate Box - Jenkins Models:‬‬

‫‪Concepts and Cases John Wiley & Sons‬‬

‫وصالت خارجية دورة أولى في تحليل السالسل الزمنية ‪ -‬كتاب مفتوح المصدر عن تحليل السالسل‬
‫الزمنية باستخدام ‪ SAS‬الفصل ‪ )7‬نماذج ‪Box - Jenkins‬‬

‫في كتيب اإلحصاء الهندسي ل ‪NIST‬‬

‫‪Rob J Hyndmanal Box - Jenkins modeling‬‬

‫منهجية ‪Box - Jenkins‬‬

‫لنماذج السالسل الزمنية بواسطة ‪ Theresa Hoang Diem Ngo‬تتضمن هذه المقالة مادة المجال العام‬
‫من المعهد الوطني للمعايير والتكنولوجيا& الموقع اإللكتروني&‬

‫‪https://www.nist.gov .‬‬