时间序列数据Correlogram图分析

Correlogram图的解释

      Correlogram是将自相关函数的计算结果ACF作为纵轴，将滞后lag作为横轴的一种图。可以很直观的看出时间序列不同lag之间的相关性。Correlogram会告诉我们很多关于时间序列的信息，包括趋势的存在、季节性变化和短期相关性。这里用一些例子来说明（图片来源于网络，如有冒犯联系删除）。

①Example - purely random data

      由纯随机过程生成的时间序列，没有趋势、季节性或短期相关性等特性。原始数据和自相关图如下所示：

• 当时,ACF=0，因为它是序列与其自身的相关性，通常忽略该值。

• 对于没有相关性的纯随机序列，通常时,ACF=0，时没有明显的相关性证据。 

②Example - short-term correlation

      没有趋势或季节性，但具有短期相关性的时间序列数据如下图所示，并且在lag值较小时具有明显的正自相关性，当lag值逐渐增大时，ACF逐渐接近零。

③Example - alternating data

        没有趋势或季节性，但在大值和小值之间重复震荡的时间序列数据如下图所示。可以看出当lag值为奇数时，具有负自相关；当lag为偶数时，具有正自相关。且同样随着lag值得增加，自相关程度越来越逼近零。

④Example - data with a trend

        具有趋势的时间序列数据如下图所示（随时间增大）。在lag值偏大时仍然具有正自相关。当趋势为随时间下降时，也会观察到相同的相关图。

⑤Example - data with a seasonal effect

        具有季节性影响的时间序列数据如下图所示，并且在相关图中会呈现规则的季节性模式。

⑥Example - data with a trend and a seasonal effect

        具有趋势和季节性影响的时间序列数据如下图所示，并且在相关图中具有规则的季节性模式，由于趋势的存在，相关图通常具有正值。