Помогите, пожалуйста, разобраться, в полученных результатах .
Как интерпретировать цифры, которые стоят у моделей Арима. 0 1 0, 1 2 0 , 0 13
и почему у модели брауна эти цифры не стоят

а википедию уже читали? https://ru.wikipedia.org/wiki/ARIMA

на википедии сухо написано. что такое p и q . Есть ли более внятный и простой пример или описание.
что значит разности временного ряда

В эконометрике под дифференцированием (взятием разностей) понимают способ остационаривания временного ряда. Заключается он в том, что из последующего значения вычитают предыдущее. Ряд первых разностей короче исходного ряда на одно наблюдение.
В ARIMA-модели порядок дифференцирования обозначается как d и занимает центральное место в спецификации модели в виде (p,d,q). При этом p-параметр авторегресии ("AR"):
если p= 1 - оценивается регрессионный коэффициет при предыдущем члене временного ряда ("вчерашнем" наблюдении), если p=2 - то 2 к-та (при "вчерашнем" и "позавчерашнем").
Идейно- это попытка объяснить временной ряд через самого себя.
Количество q оцениваемых параметров скользящего среднего ("МА"). Скользящее среднее - это попытка объяснить временной ряд вообще через ненаблюдаемый белый шум.
Моделировать ARIMA-моделью можно только стационарный ряд.
Стационарность тестируется специальными тестами: Дики-Фуллера, Филлипса-Перрона, Ng-Перрона, KPSS, DF-GLS, процедурой Кохрейна, тетом Лейбурна, МакКейба и нет им числа.

Спасибо за внимание. Окончен семинар (С) Шаов

100$, уже яснее. А в чем ключевое преимущество анализа временных рядов перед обычным множественным регрессионным анализом?

Книжка есть классическая http://rutracker.org/forum/viewtopic.php?t=2223614 . Другого способа иначе как прочитать учебник, прежде чем запускать процедуру анализа, я увы не знаю.

А нетути никакого такого ключевого преимущества, поскольку в анализ временных рядов вовсю используется множественная линейная регрессия в качестве первейшего инструмента, и упомянутая АРИМА - одна из многих возможных моделей.

Я так и думал. А чем стационарный ряд отличается от нестационарного и почему так важно нестационарный ряд преобразовать?
Модель 0-1-0 т.е. блуждающее поведение. В этой модели нельзя выделить какую-то тенденцию? Т.е. тренд идет как ему захочется? Нет точных предсказаний?
По упомянутым Вами тестами как судить о стационарности. Там тоже p-value есть какой-то?)

1. У стационарного ряда вероятностные характеристики со временем не меняются.
2. Его не то чтобы важно преобразовать сам по себе, это нужно для моделирования именно АРИМой.
3. В анализе временных рядов первична вероятностная модель порождения данных - Data Generating Process (GDP).
А модель - это способ приблизиться к пониманию. Причем АРИМА(0,1,0) - это вовсе никакое не случайное блуждание, это-ряд первых разностей. Если в данных наблюдается линейный тренд, то взятия первых разностей достаточно для его (тренда) удаления (остационаривания ряда). Если тренд параболический - деобходимо двукратное дифференцирование.
4. В модели нельзя выделить тенденцию. Ее можно учесть в модели.
5. Тренд идет так, как ему захочется. Н-р, когда нефть дорожала с 36 до 148 баксов за бочку, был восходящий тренд, сейчас мы находимся в понижательном тренде.
Как его моделировать - дело исследователя. Кто-то возьмет парную линейную модель (прямую линию), кто-то полиномиальную, степенную, показательную и т.д. Разумный компромисс ищется между объясняющими и прогностическими возможностями модели.
6. Все тесты на стационарность - самые обычные статистические процедуры, каждый имеет каоке-то распределение при справедливости нулевой гипотезы. Так что достигаемый уровень значимости тоже есть. Все эконометрические пакеты его вычисляют.

Как считаете, насколько корректно, уместно использовать метод АВР, именно в форекастинге всяких стоксовых бирж. Как, куда и когда по цене пойдет акция, продукт, валюта...etc?
Я спрашиваю не потому что прямо сейчас хочу ломануться на биржу, может никогда и не ломанусь, а мне на данный момент интересна работа метода, его точность,его требования к данным.

1. Если есть желание идти на биржу с желанием торговать и зарабатывать, то от анализа временных рядов в том виде, в котором он сформировался к настоящему моменту, толку мало.
Так, эмоциональное подспорье, и не более того.
Разумнее осваивать технический анализ.
2. Если из многих академизмов что-то хочется понять и освоить на реальных данных - почему бы и нет? Сам бы начал с модели GARCH(1,1).