AR、MA、ARMA和ARIMA模型------时间序列预测

最新推荐文章于 2024-06-14 10:51:02 发布

Lavender-csdn

最新推荐文章于 2024-06-14 10:51:02 发布

阅读量3.7w

点赞数 33

分类专栏：机器学习时间序列分析文章标签：机器学习 python 数据分析

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/kidchildcsdn/article/details/105434898

版权

ARMA模型的全称是自回归移动平均模型，它是目前最常用的拟合平稳序列的模型。它又可以细分为AR模型、MA模型和ARMA三大类。都可以看做是多元线性回归模型。

AR模型

具有如下结构的模型称为阶自回归模型，简记为 AR(p) 。

$x_t=\phi _0+\phi _1x_{t-1}+\phi _2x_{t-1}+...+\phi _px_{t-p}+\varepsilon _t$

即在t时刻的随机变量 X_t 的取值 x_t 是前期 $x_{t-1},x_{t-1},..,x_{t-p}$ 的多元线性回归，认为 x_t 主要是受过去期的序列值的影响。误差项是当期的随机干扰 $\varepsilon _t$ ，为零均值白噪声序列，

平稳AR模型的性质如下所示：

1）均值

对满足平稳性条件的 AR(p) 模型的方程，两遍取期望，得：

已知 $E(x_t)=\mu ,E(\varepsilon _t)=0$ ，所以： $\mu =\phi _0+\phi _1\mu +\phi _2\mu +...+\phi _p\mu$ ，解得：

注意：因为之前已经定义了平稳性序列的均值为常数，所以 $E(x_t)=E(x_{t-1})=...=E(x_{t-p})$

2）方差

平稳 AR(p) 模型的方差有界，等于常数。

3）自相关系数(ACF)

平稳 AR(p) 模型的自相关系数 $\rho _k=\rho (t,t-k)=\frac{cov(X_t,X_{t-k})}{\sigma _t\sigma _{t-k}}$ 呈指数的速度衰减，始终有非零取值，不会在k大于某个常数之后就恒等于零，这个性质就是平

最低0.47元/天解锁文章

关注

33
点赞
踩
212

收藏

觉得还不错? 一键收藏
3
评论
AR、MA、ARMA和ARIMA模型------时间序列预测

ARMA模型的全称是自回归移动平均模型，它是目前最常用的拟合平稳序列的模型。它又可以细分为AR模型、MA模型和ARMA三大类。都可以看做是多元线性回归模型。AR模型具有如下结构的模型称为阶自回归模型，简记为。即在t时刻的随机变量的取值是前期的多元线性回归，认为主要是...
复制链接

扫一扫

专栏目录

评论 3

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。