时间序列分析
第一节 时间序列概念及预处理
- (重点)平稳性检验
- (重点)纯随机性检验
1.1 时间序列概要
引言1:
7000年前的古埃及人把尼罗河涨落的情况逐天记录下来,就构成所谓的时间序列。对这个时间序列长期的观察使他们发现尼罗河的涨落非常有规律。由于掌握了尼罗河泛滥的规律,使得古埃及的农业迅速发展,从而创建了埃及灿烂的史前文明。
引言2:
主要特点:不同分布,相关序列,无法重复做实验
1.2 具体概念
从统计意义上讲,时间序列指时间序列数据“Time Series Data” ,即将某一个指标在不同时间上的统计数值,按时间的先后顺序排列而成的数列。比如,1980~2010年的中国的GDP;
从数学意义上讲,时间序列是随机过程(stochastic process)一个特例,即由有序的随机变量组成的序列: ...,X1,X2,X3,...,Xn,... . . . , X 1 , X 2 , X 3 , . . . , X n , . . .
从系统意义上讲,时间序列就是某一系统在不同时间(广义时间)上的响应,即系统在不同时刻的状态值,比如正在飞行着的宇宙飞船系统每隔10分钟所记录的飞行速度等。
时间序列中的时间指广义时间,即有序集,不一定非得是狭义的时间概念,只要是有顺序的随机变量列就是时间序列,比如,温度、湿度、速度、压力等有“顺序”意义的物理量。
我们主要研究一维离散型时间序列。
研究此类问题需抓住:
1.每个时间点的变化规律及整体分布规律
2.对未来作出预测
评价分析按照采用的手段分类:
方法 | 意图 |
---|---|
数据图法 | 通常作为其他方法的切入点。 |
指标法 | 通过计算反映系统变化的一系列核心指标值从而了解系统的内在变化规律。 |
模型法 | 针对不同的时间序列,根据统计与数学方法,建立描述该序列的数学模型,以此来作预测。 |
本节主要讨论内容:模型法
1.3 平稳性的说明
1. 先来认识一下几幅图片的变化趋势:
(1)常见,有增长趋势,不平稳。
(2)常见,变化平稳,但有周期。
(3)平稳无周期,每个序列点独立无关联,这种序列无研究意义。
(4)少见,我们喜欢的平稳序列。
2. 研究平稳时间序列的意义
(1)极大地减少了随机变量的个数,并增加了待估变量的样本容量。
(2)极大地简化了时序分析的难度,同时也提高了对特征统计量的估计精度。