时间序列的平稳性与差分法

本文介绍了时间序列分析中平稳性的重要性,解释了严平稳与弱平稳的概念,并探讨了差分法作为使数据平稳的手段,通过实例说明了如何在Matlab中使用diff函数进行差分操作。
摘要由CSDN通过智能技术生成

1、时间序列

时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。

2、为什么要平稳

我们的拿到的数据可能是千奇百怪的,但是我们要做预测,比如说如果我们想去预测股价,这些数据要有规律可循我们才可以进行预测,如果数据是随机出来的,一点规律也没有,那我们就很难建立一个模型预测接下来的数据,所以,在我们在预测的时候要求时间序列数据必须有一定的趋势,即未来的一段时间内仍能顺着现有的形态延续下去。

3、什么是平稳性

平稳的基本思想是:时间序列的行为并不随时间改变。

平稳性要求序列的均值和方差是与时间t无关的常数,协方差也只与时间间隔k有关,与时间t无关。

4、严平稳与弱平稳

严平稳:严平稳只有当序列所有的统计性质都不会随着时间的推移而发生变化,也就是分布不随时间的改变而改变

如:白噪声(正态),期望始终为0,方差始终为1

弱平稳:期望值与相关系数不变,期望值是常数(通常我们让它为0),X1与X3,X2与X4的相关系数都是一样的,也就是说,相关系数取决于时间间隔而非时间起始点,也就是说,未来某时刻的t的值Xt要依赖于它过去的信息

5、差分法

当我们拿到数据时,这些数据可能浮动很大,那怎么才能让数据变得平稳呢,其中一种方法就是差分法。

差分法:时间序列在t与t-1时刻的差值。

比如我们有一组序列,如下图

 

  • 15
    点赞
  • 79
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
平稳时间序列和非平稳时间序列时间序列分析中两个重要的概念。 平稳时间序列是指在统计特性上不随时间变化的时间序列。换句话说,平稳时间序列的均值、方差、自相关函数以及协方差函数都不会随着时间的推移而改变。在平稳时间序列中,同样长度的子序列的统计特性是相似的,因而平稳时间序列在统计分析和预测上更容易处理。 而非平稳时间序列则是指统计特性会随时间变化的时间序列。非平稳时间序列的均值、方差、自相关函数和协方差函数都会随着时间推移而改变。在非平稳时间序列中,同样长度的子序列的统计特性是不同的,因此非平稳时间序列的分析和预测要相对复杂一些。 对于非平稳时间序列,我们通常需要进行一定的处理,使其成为平稳时间序列,然后才能进行统计分析和预测。常见的非平稳时间序列处理方法包括差分法和变换法。差分法可以通过对序列进行一阶或高阶差分来减小或消除非平稳性,而变换法可以通过对序列进行对数变换、平方根变换等来改变原序列的统计特性。 总之,平稳时间序列与非平稳时间序列时间序列分析中的两个重要概念。理解这两个概念的含义和特点对于进行时间序列的统计分析和预测非常重要。同时,掌握非平稳时间序列的处理方法,使其变为平稳时间序列,也是进行时间序列分析的关键步骤。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值