时间序列分析的用途:系统描述,系统分析,预测未来
时间序列分析的原理:根据时间先后,对同样的对象按照等时间间隔收集的数据进行的分析(数据为离散数据)
根据数据序列数量的不同,可以分为一元时间序列数据和多元时间序列数据
时间序列的变化受到:长期趋势、季节变动、循环波动(周期波动)和不规则波动(随机波动)的影响,这导致时间序列分析主要包括确定性变化分析和随机性变化分析
确定性变化分析:趋势变化分析,周期变化分析,循环变化分析
随机性变化分析:AR,MA,ARMA,ARIMA模型等
针对时间序列数据,常见的分析流程如下:
(1)根据时间序列的散点图、自相关函数和偏自相关函数图等识别序列是否是非随机序列,如果是非随机化序列,则观察平稳性(先判断该时间序列有没有分析趋势的价值,如果为随机化序列,分析无意义,因为数据波动均由随机化波动导致,无有意义的信息)
(2)对于非平稳时间序列,采用差分进行平稳化处理,直到处理后序列平稳(非平稳序列随机波动不均一,无法利用模型进行趋势计算)
(3)根据所识别出来的特征建立相应的时间序列模型
(4)参数估计,检验模型是否有统计学意义
(5)假设检验,判断模型的残差序列是否为白噪音序列
(6)利用已通过检验的模型进行预测