[个人学习博客]时间序列分析基本流程

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