python时间序列平稳性定义及代码相关

本文介绍了Python中时间序列的平稳性检测,包括时序图、自相关系数和偏相关系数的分析。通过ADF检验确定序列是否平稳,并采用差分法处理非平稳序列。接着,文章详细阐述了ARIMA模型的建模步骤,包括模型识别、参数估计和检验,并给出实际代码示例进行一阶差分后的序列预测。
摘要由CSDN通过智能技术生成

时间序列

  1. 平稳性检测
    平稳性的定义:围绕一个常数上下波动且波动范围有限,即有常数均值和常数方差。如果有明显的趋势或者周期性,那它通常不是平稳序列
    。检测方法有三种:
    (1)时序图检测
    (2)自相关系数和偏相关系数>>>>>>通过spss
    截尾:就是在某阶之后,系数都为0
    拖尾:就是有一个缓慢衰减的趋势,但是不都为0

2.不平稳的处理方法
差分法:一阶差分指的是原序列值相距一期的两个序列之间的减法运算;K阶差分就是相距K期的两个序列值之间相减。

3.纯随机性检验
对于纯随机序列,又称白噪声序列,序列的各项数值之间没有任何相关关系,序列在进行完全无序的随机波动,可以终止对该序列的分析。白噪声序列是没有消息可提取的平稳序列。

对于平稳非白噪声序列,它的均值和方差是常数。通常是建立一个线性模型来你和该序列的发展,借此提取该序列的有用信息。ARMA模型是最常用的平稳序列拟合模型。

二、平稳时间序列建模
某个时间序列经过处理,被盘点为平稳非白噪声序列,就可以进行时间序列建模

建模步骤:
(1)计算出该序列的自相关系数(ACF)和偏相关系数(PACF)
(2)模型识别,也成模型定阶。根据系数情况从AR(p)模型,MA(q)模型、ARMA(p,q)模型、ARIMA

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值