基于matlab的时间序列分析(主要流程+完整代码)
案例简介
结合秦皇岛港动力煤价格的历史数据(附件1),以及问题1中的影响煤炭价格的主要因素,建立煤炭价格预测模型,分别以天、周、月为单位,预测未来31天、35周、36个月的煤炭价格。
时间序列简介
平稳时间序列{xt}
确定性序列:若序列x(n)在任意时刻n时的值能够被精确地确定(或是被预测),那么,我们说x(n)是一个确定性的序列,如我们熟知的正弦序列、周期脉冲序列等。
平稳时间序列:时间序列行为不随时间改变
一组数列如下表示
数列示意图
ARIMA=AR+MA+INTEGRATER
自回归AR:利用自身历史值预测
移动平均MA:关注自回归模型中的误差项
𝑦_𝑡当前值, 𝜇常数项,𝜀_𝑡误差(白噪音),阶数𝑝, 𝑞——人为定义,相关系数𝛾_𝑖,𝜃_𝑖——求解
整合INTEGRATER:差分法平稳化处理:计算时间序列中t时刻与t-1时刻的差值,从而得到一个新的、更平稳的时间序列。
实例应用
数据平稳化
单位根检验
ADF
KPSS
###代码
y_h_adf = adftest(Y)
y_h_kpss = kpsstest(Y)
输出 y