时间序列预测模型ARMA、ARIMA整理，结合statsmodel python代码分析

1.21 学习笔记
时光荏苒，一去三年，为毛学的时间序列忘的一干二净？？？

一、基础回顾

1、白噪声

满足以下三个条件的过程称为白噪声过程：
$$E({ϵ}_t)=0\text{\hspace{1em}(1)}$$ $$E({ϵ}_t^2)={\sigma }^2\text{\hspace{1em}(2)}$$ $$E({ϵ}_t{ϵ}_{\tau })=0,t\ne \tau \text{\hspace{1em}(3)}$$
有时会用更强的条件代替公式（3），即不同时刻的$ϵ$相互独立：
$${ϵ}_t与{ϵ}_{\tau }独立，ϵ\ne \tau \text{\hspace{1em}(4)}$$

注意： 公式（4）隐含着公式（3）成立，但（3）并不隐含（4）成立。一个满足（1）～（4）的过程称为独立白噪声过程。

二、移动平均过程（MA）

1、一阶移动平均过程

令 { ϵ t } \{\epsilon_t\} {ϵt​}为满足公式（1）～（3）的白噪声，过程：$$Y_t=\mu +{ϵ}_t+\theta {ϵ}_{t-1}$$ 称为一阶移动平均过程，记为：MA(1)。

2、$q$ 阶移动平均过程

令 { ϵ t } \{\epsilon_t\} {ϵt​}为满足公式（1）～（3）的白噪声，过程：$$Y_t=\mu +{ϵ}_t+{\theta }_1{ϵ}_{t-1}+{\theta }_2{ϵ}_{t-2}+\cdots +{\theta }_q{ϵ}_{t-q}$$ 称为$q$阶移动平均过程，记为：MA(q)。

三、自回归过程（AR）

1、一阶自回归过程

令 { ϵ t } \{\epsilon_t\} {ϵt​}为满足公式（1）～（3）的白噪声，过程：$$Y_t=c+\varphi Y_{t-1}+{ϵ}_t$$ 称为一阶自回归过程，记为：AR(1)。

2、$p$ 阶自回归过程

令 { ϵ t } \{\epsilon_t\} {ϵt​}为满足公式（1）～（3）的白噪声，过程：$$Y_t=c+{\varphi }_1{Y}_{t-1}+{\varphi }_2{Y}_{t-2}+\cdots +{\varphi }_p{Y}_{t-p}+{ϵ}_t$$ 称为p阶自回归过程，记为：AR( p )。