数据挖掘实践（资金流入流出预测）—4.时间序列模型

写在开头
上一节介绍了时间序列分析这一在量化投资中广泛使用的优秀技术，本次将对其模型展开学习。
这会是一篇长更新的文章，因为还有许多知识我要去学习，并完善所发布的内容。

一、时间序列预测模型

1.1 时间序列分解

时间序列是指将同一统计量的数值按其发生的时间先后顺序排列而成的数列
• 常用按时间顺序排列的一组随机变量
	𝑋1, 𝑋2, ⋯ 𝑋𝑡, ⋯
表示一个随机事件的时间序列，简记为 {𝑋𝑡}

时间序列的各种变化都可以归纳成四大类因素的综合影响
例如：

• 长期趋势(trend)：会导致序列出现明显的长期趋势
• 循环波动(circle)：会导致序列呈现出周期性波动
• 季节性变化(season)： 会导致序列呈现出和季节变化相关的稳定的 周期波动.
• 随机波动(immediate)： 纯随机、与时间无关

• 季节变动视为一种特殊的循环波动

1.1.1 分解方法

可采用加法结构或乘法结构分解时间序列
• （1）加法模型：
𝒙𝒕 = 𝑻𝒕 + 𝑪𝒕 + 𝑺𝒕 + 𝑰𝒕
• （2）乘法模型: 𝒙𝒕 = 𝑻𝒕 × &