本文围绕时间序列分析展开，介绍了常见分析方法，如平滑法、ARMA和ARIMA模型等。详细阐述了ARIMA(p,d,q)模型参数选择，包括自回归、差分和移动平均部分。还介绍了ACF和PACF，它们可检验序列平稳性并确定ARIMA模型参数，对理解和预测时间序列数据有重要意义。
时间序列（一）
时间序列是指按照时间顺序排列的一系列数据点或观测值。这些数据点通常是连续的，且在不同时间点上收集或记录得到。时间序列分析是一种统计方法，用于研究和预测时间序列数据的模式、趋势和周期性。
时间序列分析可以应用于多个领域，例如经济学、金融学、气象学、股票市场等。通过对时间序列数据进行分析和建模，我们可以揭示数据中隐藏的模式和规律，从而作出预测、制定决策或做出相关的推断。
常见的时间序列分析方法包括平滑法（如移动平均和指数平滑）、趋势分析、周期性分析、季节性分析、自回归移动平均模型（ARMA模型）和自回归积分滑动平均模型（ARIMA模型）等。
时间序列分析对于理解和解释时间数据的变化趋势、周期性以及未来走势具有重要意义，因此在实践中得到广泛应用。
基本概念
当我们谈论时间序列分析中的"差分"、"滞后差分"和"多步差分"时，我们通常是在谈论同一种基本概念，简单的来说就是比较一个时间序列在不同时间点的值。然而，这些术语的具体含义可能会根据上下文有所不同。让我为你详细解释一下：
（1）差分（Differencing）：这是一种预处理技术，用于使非平稳时间序列变得平稳。在时间序列中进行一阶差分，就是将每个观察值与其前一步的观察值进行比较，然后取这两个观察值之间的差异。例如，如果我们有一个时间序列$ x1,x2,x3,\ldots,xn$，那么一阶差分序列将是 x 2 − x 1 , x 3 − x 2 , … , x n − x n − 1 x2-x1,x3-x2,\ldots,xn-xn-1 x2−x1,x3−x2,…,xn−xn−1。
（2）滞后差分（Lagged Differencing）：这个术语和"差分"非常相似。当我们说"滞后"时，我们是在说比较一个观察值和其"前一步"或"几步前"的观察值。因此，“滞后一阶差分"实际上就是常规的一阶差分，因为我们比较的是每个观察值与其前一步的观察值。如果我们进行的是"滞后k阶差分”，那么我们比较的是每个观察值与其k步前的观察值。
（3）n阶差分（n-th Order Differencing）：n阶差分是差分的一种更一般的形式。一阶差分是比较每个观察值与其前一步的观察值，二阶差分是对一阶差分序列进行再一次的差分（也就是比较一阶差分序列中的每个值与其前一步的值）。更一般地，n阶差分就是连续进行n次一阶差分。
（4）多步差分（Multi-step Differencing）：这个术语可能根据上下文有不同的含义。它可能指的是n阶差分（即进行多次连续的一阶差分）。也可能指的是滞后差分，比如比较每个观察值与其几步前的观察值。
ARIMA(p,d,q)模型的参数选择
在 ARIMA(p, d, q) 模型中，p,d,q是什么：
p 代表 “自回归部分 (Autoregressive)”： 此描述了该模型中使用的观测值的滞后值（即前面 p 个期的值）。自回归模型的出发点是认为观测值是它前面的 p 个值的线性组合。具体的数学形式如下：
A R : Y t = c + φ 1 Y t − 1 + φ 2 Y t − 2 + … + φ p Y t − p + ξ t AR\text{:}Y_t=c+\varphi_1Y_{t-1}+\varphi_2Y_{t-2}+\ldots+\varphi_pY_{t-p}+\xi_t AR:Yt=c+φ1Yt−1+φ2Yt−2+…+φpYt−p+ξt
其中， ϵ t − 1 , ϵ t − 2 , … , ϵ t − q \epsilon_{t-1},\epsilon_{t-2},\ldots,\epsilon_{t-q} ϵt−1,ϵt−2,…,ϵt−q是模型参数，c 是常数，$\xi_t $是白噪声。这个方程的阶数 p 决定了模型回溯观测值的数量。
q 代表 “移动平均部分 (Moving Average)”：这部分描述了模型中使用的错误项的滞后值（即前面 q 个期的值）。移动平均模型是将当前值和过去的白噪声之间建立关系。具体的数学形式如下：
M A : Y t = μ + ϵ t + θ 1 ϵ t − 1 + θ 2 ϵ t − 2 + ⋯ + θ q ϵ t − q MA\colon Y_t=\mu+\epsilon_t+\theta_1\epsilon_{t-1}+\theta_2\epsilon_{t-2}+\cdots+\theta_q\epsilon_{t-q} MA:Yt=μ+ϵt+θ
最低0.47元/天 解锁文章
扫一扫
3029
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
