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 (1) E(\epsilon_{t})=0\tag{1} E(ϵt)=0(1) E ( ϵ t 2 ) = σ 2 (2) E(\epsilon_t^2)=\sigma^2 \tag{2} E(ϵt2)=σ2(2) E ( ϵ t ϵ τ ) = 0 , t ≠ τ (3) E(\epsilon_t\epsilon_{\tau})=0, t\not=\tau \tag{3} E(ϵtϵτ)=0,t=τ(3)
有时会用更强的条件代替公式(3),即不同时刻的 ϵ \epsilon ϵ相互独立:
ϵ t 与 ϵ τ 独 立 , ϵ ≠ τ (4) \epsilon_{t}与\epsilon_\tau 独立,\epsilon \not=\tau \tag{4} ϵtϵτϵ=τ(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

{ ϵ t } \{\epsilon_t\} {ϵt}为满足公式(1)~(3)的白噪声,过程: Y t = μ + ϵ t + θ ϵ t − 1 Y_t=\mu+\epsilon_t+\theta\epsilon_{t-1} Yt=μ+ϵt+θϵt1 称为一阶移动平均过程,记为:MA(1)

2、 q q q 阶移动平均过程

{ ϵ t } \{\epsilon_t\} {ϵt}为满足公式(1)~(3)的白噪声,过程: Y t = μ + ϵ t + θ 1 ϵ t − 1 + θ 2 ϵ t − 2 + ⋯ + θ q ϵ t − q Y_t=\mu+\epsilon_t+\theta_1\epsilon_{t-1}+\theta_2\epsilon_{t-2}+\cdots+\theta_q\epsilon_{t-q} Yt=μ+ϵt+θ1ϵt1+θ2ϵt2++θqϵtq 称为 q q q阶移动平均过程,记为:MA(q)
在这里插入图片描述

三、自回归过程(AR)

1、一阶自回归过程

{ ϵ t } \{\epsilon_t\} {ϵt}为满足公式(1)~(3)的白噪声,过程: Y t = c + ϕ Y t − 1 + ϵ t Y_t=c+\phi Y_{t-1}+\epsilon_t Yt=c+ϕYt1+ϵt 称为一阶自回归过程,记为:AR(1)

2、 p p p 阶自回归过程

{ ϵ t } \{\epsilon_t\} {ϵt}为满足公式(1)~(3)的白噪声,过程: Y t = c + ϕ 1 Y t − 1 + ϕ 2 Y t − 2 + ⋯ + ϕ p Y t − p + ϵ t Y_t=c+\phi_1 Y_{t-1}+\phi_2 Y_{t-2}+\cdots+\phi_p Y_{t-p}+\epsilon_t Yt=c+ϕ1Yt1+ϕ2Yt2++ϕpYtp+ϵt 称为p阶自回归过程,记为:AR( p )
在这里插入图片描述

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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