时间序列的分类
时间序列的数据分为平稳序列和非平稳序列。平稳序列即基本上不存在趋势或随季节波动的序列,其波动可看作是随机的。非平稳序列则是包含趋势、季节性或周期性的序列,可能包含所有成分也可能只包含一种。
(一)平稳序列的分析模型
对于平稳序列,主要有三种分析模型,其中移动平均法和指数平滑法能起到预测作用,而Random Walk主要用于确认观察值与预测值之间的误差是随机的,如果误差不随机那么还需要进一步修改我们的预测模型,将误差中的趋势反映到模型中
1. 移动平均法(Moving Average)
对近期的m个观察值进行简单的求和平均,因此会空出m-1个值,从第m个值开始预测,模型如下:
2. 指数平滑法(Exponential Smoothing)
一种特殊的移动平均法,考虑所有以往数据,并对其进行加权处理,离预测值越近的数据权重越大,离预测值越远的权重越小。模型如下:
Y代表实际值;F代表预测值