大部分内容来自DataWhale时间序列分析的学习资料。
标题
- 时间序列数据本质上反映的是某个或某些随机变量时间不断变化的趋势,而时间序列方法的核心就是从数据中挖掘出这种规律,并利用其对将来的数据做出估计。
- 其应用方向可大致分成三个部分,分别是描述过去、分析规律和预测未来。
- 影响时间序列的因素有四个:长期变动趋势 (T)、季节变动规律 (S)、周期变动规律 © 与不规则变动 (I)(也称随机扰动项)
四种变动与指标数值最终变动的关系可能是叠加关系,也可能是乘积关系。
简单移动平均法
- 移动平均法:计算包含一定项数的时序平均数,消除周期变动和不规则变动的影响(起伏较大,不易显示出发展趋势),反映长期趋势。
- 如果数据具有一定的规律性,且一直在某一个值附近波动,那么我们可以用该组数
据的平均值来近似拟合下一次可能出现的值。
- 如何选择N?
当历史序列的基本趋势变化不大且序列中随机变动成分较多时,N 的取值应较大一
些。否则 N 的取值应小一些。
在有确定的季节变动周期的资料中,移动平均的项数应取周期长度。
选择最佳 N 值的一个有效方法是,比较若干模型的预测误差。预测