ARIMA算法:
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&