时间序列预测

最近学习了时间序列的预测：

我先总结一些时间序列预测的构建步骤：

1）假定序列X={x1,x2,x3,........xn},判断序列是否平稳，主要有一下判断的方法，

   1,方差判断：

    判断该序列的方差是否平稳，方差应该不随时间t变化而变化

   2.协方差的判断：

    协方差应该只与时间间隔^t有关

   3.均值的判断：

    均值与时间t无关

2）如果序列是不平稳的，我们应该利用些函数f（x）使其转化为平稳的序列

   1.使用对数log 的方法，使序列变得平稳

     logX[] 

   2.使用求差分的方法，使序列变得平稳，

   diff后可以除去时间t 变化趋势对模型的影响、。

    3.采用平滑或者消季节性因素的方法，除去一些噪声e（t）的影响

3）序列平稳后，我们需要选定模型，常见的模型有AR,MA,ARMA

 

中心化RAMA（p,q）模型简写为：

当q=0时，RAMA（p,q）模型就退化成了AR（p）模型；

当p=0时，RAMA（p,q）模型就退化成了MA（q）模型；

RAMA（p,q）模型具有自相关系数不截尾，偏自相关系数也不截尾的性质。

 以下面ARMA（1,1）模型为例：

AR的ACF（拖尾） 和PACF 图（截尾）

综合AR(p)模型，MA（q ）模型和ARMA（p，q）模型自相关系数和偏自相关系数的性质得出如下规律：

参考：https://blog.csdn.net/Earl211/article/details/50957029