ARIMA算法&指数平滑总结

ARIMA算法：

三大步：建模——诊断——预测


1. 建模：
（1）对数据绘图，观测是否为平稳时间序列；对于非平稳时间序列要先进行d阶差分运算，化为平稳时间序列；
（2） 经过第二步处理，已经得到平稳时间序列。要对平稳时间序列分别求得其自相关系数ACF和偏自相关系数PACF，通过对自相关图和偏自相关图的分析，得到最佳的阶层 p 和阶数 q
（3） 由以上得到的d、q、p，就是ARIMA的三个参数。由这三个参数得到ARIMA模型。然后开始对得到的模型进行模型检验。


2. 诊断
考察残差序列是否为白噪声。
白噪声序列：
（1）定义：0均值，同方差，不相关
（2）Box-Ljung test检验。原假设：残差不存在自相关，即白噪声序列。
（3）残差序列的自相关图，应表现平稳，无固定模式。


Tips:
1. 识别模型阶数
（1）如果自相关是拖尾，偏相关p阶截尾，则用 AR(p) 算法  #自回归模型
（2&