时间序列分析

最新推荐文章于 2024-06-21 09:48:12 发布

积微成著

最新推荐文章于 2024-06-21 09:48:12 发布

阅读量1w

点赞数 4

分类专栏： Time Series 文章标签：预测应用趋势

本文链接：https://blog.csdn.net/duxu24/article/details/52072199

版权

2 篇文章 2 订阅

订阅专栏

序列中的数据或数据点的位置依赖于时间，即数据的取值依赖于时间的变化，但不一定是时间t的严格函数。
每一时刻的取值或数据点的位置具有一定的随机性，不可能完全准确地用历史数据预测。
前后时刻（不一定是相邻时刻）的数值或数据点的位置有一定的相关性，这种相关性就是系统的动态规律性。
从整体上看，时间序列往往呈现出某种趋势性或出现周期性变化的现象。
因此，建立时间序列模型，首先应当仔细分析对象性质，判断其是否满足建模的基本条件。若不满足，应做适当调整。

1.获取被观测系统时间序列数据；
2.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；
3.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
4.检验模型的有效性。如果拟合模型通不过检验，转向步骤3，重新选择模型再拟合。
5.模型优化。如果拟合模型通过检验，仍转向步骤2，充分考虑各种可能，建立多个拟合模型，从所有通过检验的拟合模型中选择最优模型。
6.利用拟合模型，预测序列的将来走势。

具体理论知识：

预处理：平稳性和随机性检验
根据检验的结果可以将序列分为不同的类型，进而采用不同的分析方法。

通过平稳性检测，序列分为平稳序列和非平稳序列：
1.对于非平稳序列，不具有二阶矩平稳的特性，需要进一步的检验、变换或处理之后，才能确定适当的拟合模型。任何非平稳时间序列只要经过适当的转换和处理就可以实现序列的平稳性。
2.对于平稳序列，不是所有的平稳序列都值得建模。只有序列间具有密切的相关关系、历史数据对未来的发展有一定影响的序列才能用。
如果序列值之间彼此没有任何相关性，意味着该序列是一个没有记忆的序列，过去的行为对将来的发展没有丝毫影响，称为纯随机序列。纯随机序列之间没有任何关联，序列在进行完全无序的随机波动。从统计分析的角度而言，纯随机序列是没有任何分析价值的。
我们分析的目的就是要想方设法把序列中的相关信息提取出来，一旦序列中蕴含的相关信息被充分提取出，剩下的残差序列就应该呈现出纯随机的性质。所以，纯随机性还是判断相关信息是否提取充分的一个判别标准。
检验方法：
Q统计量
统计量的P值小于显著性水平a时，则可以以1-a的置信水平拒绝原假设，认为序列为非白噪声；否则，接受原假设，认为序列为纯随机序列。

平稳性是时间序列分析的前提。故需要对非平稳序列进行平稳性处理。处理的方法有：

根据序列不同特点选择合适的差分方式：

理论上而言，足够多次数的差分运算可以充分提取原序列中的非平稳确定性信息。但是，差分运算的阶数不是越多越好。因为差分运算是一种对信息的提取、加工过程，每次差分都会有信息的损失，所以，差分的阶数要适当，防止造成过差分现象。

单位根检验是建立ARMA模型、ARIMA模型、变量间的协整分析、因果关系检验等的基础。
单位根检验是针对宏观经济数据序列、货币金融数据序列中是否具有某种统计特性而提出的一种平稳性检验的特殊方法，单位根检验的方法有很多种，包括ADF检验、PP检验、NP检验等。
时间序列矩特性的时变行为实际上反映了时间序列的非平稳性质。对非平稳时间序列的处理方法一般是将其转变为平稳序列，这样就可以应用有关平稳时间序列的方法来进行相应得研究。对时间序列单位根的检验就是对时间序列平稳性的检验，非平稳时间序列如果存在单位根，则一般可以通过差分的方法来消除单位根，得到平稳序列。对于存在单位根的时间序列，一般都显示出明显的记忆性和波动的持续性。

关注

专栏目录