时序数据学习笔记（五）

一、自回归过程使用场景与流程

        在自相关系数缓慢衰减或呈现正弦模式的情况下，那么可能存在一个自回归过程。自回归过程称为 AR (p)过程，其中 p 是阶。自回归过程是变量对自身的回归。在时间序列中，这意味着当前值与过去值成线性关系。另外随机游动是一个自回归过程的特例，其中 p 阶为 1， φ1 等于 1。

        首先定义自回归过程。然后，我们将定义部分自相关函数，并使用它来找出数据集的底层自回归过程。最后，我们将使用 AR (p)模型生成预测。

二、自回归场景数据处理

1、数据生成

        通过ArmaProcess函数生产满足自回归情况的数据。

np.random.seed(42)
ma2 = np.array([1, 0, 0])
ar2 = np.array([1, -0.33, -0.50])
AR2_process = ArmaProcess(ar2, ma2).generate_sample(nsample=1000).cumsum()
df=pd.DataFrame({'Value': AR2_process})

 2、查看序列的ADF与p-value

AR2_process_adf=adfuller(df['Value'])
print(AR2_process_adf[0])#ADF Statistic
print(AR2_process_adf[1])#p-va