本文介绍了时间序列分析的基础知识，包括平稳序列和非平稳序列。重点讲解了平稳序列的移动平均法、指数平滑法和随机游动模型，以及非平稳序列的Holt-Winter’s Exponential Smoothing模型。还详细阐述了去季节化的过程和回归分析在时间序列预测中的应用。
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
最低0.47元/天 解锁文章
2677
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
