时间序列分析这件小事（四）--AR模型

 无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。教程链接：https://www.cbedai.net/qtlyx

 

 

1.自回归

之前说了，分析时间序列和回归一样，目的都是预测。在回归里面，我们有一元回归于多元回归，在时间序列里面，我们有自回归。与一元、多元一样，我们分为一阶与多阶自回归。其实还是那样的理念，只不过之前是变量与应变量，现在则是存在时滞的序列之间的关系而已。

先来看一下一阶自回归AR(1)，也就是，Yt=b*Yt-1+ut。

在一开始我们就讨论了时间序列平稳性的重要程度，那么由这样一个一阶自回归形成的时间序列是否满足平稳性呢？答案是当自回归系数的绝对值小于1的时候，这样的一阶自回归序列是平稳的。

下面，我们就来构造一个满足一阶自回归的时间序列吧。

2.一阶自回归序列生产

我们来生成一个时间序列，其自回归方程如下：

yt = 0.8 * yt-1 + c

其中c是残差项，我们用白噪音，也就是正态分布来表示。具体的R代码如下：

 

#example 5
set.seed(1234)#设置随机种子
n = 50#序列数量
y1 = rep(0,n);#初始化y1时间序列
for(t in 2:n){#根据自回归方程计