《python数据分析和数据挖掘》——时间序列分析学习笔记

时间序列分析

给定一个已被观测了的时间序列，预测该序列的的未来值。

![](https://img-
blog.csdn.net/20180328111424564?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xhbXVzaXF1ZQ==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)

重点介绍 AR模型 、 MA模型 、 ARMA模型 和 ARIMA模型

1、时间序列的预处理

拿到一个观察值序列后，首先要对它的纯随机性和平稳性进行检验，称之为预处理。在此区别纯随机序列、平稳非白噪声序列、非平稳序列。

纯随机序列(白噪声序列)，序列的各项之间没有任何相关关系，序列有着完全无序的随机波动，可以终止对该序列的分析。白噪声序列是没有信息可提取的平稳序列。

平稳非白噪声序列，他的均值和方差是常数，现在普遍采用ARMA模型进行处理，提取该序列的有用信息

非平稳序列，由于均值和方差不稳定，处理方法一般将其转换成平稳序列，以平稳序列的分析方法进行研究。如果一个时间序列经差分运算后具有平稳性，则该序列为差分平稳序列，可用ARIMA模型分析

1. 平稳性检验 ：

贴了一部分定义，只用明白什么是自相关系数（表示数据和数据间的关系），什么样是平稳性（信号的均值或说期望是常数）。

a)平稳时间序列的定义

![](https://img-
blog.csdn.net/20180328111455346?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xhbXVzaXF1ZQ==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)

b) 平稳性的检验

两种检验方法。一种是根据时序图和自相关图的特征作出判断的图检验，操作简单、应用广泛，但带有主观性；另一种是构造检验统计量进行检验，目前常用的方法是单位根检验

I 时序图检验
。根据平稳时间序列的均值和方差都为常数的性质，平稳序列的时序图显示该序列值式中在一个常数附近波动，并且波动的范围有界。倘若有明显的趋势性或周期性，那他通常不是平稳序列。

II 自相关图检验 。平稳序列具有短期相关，说明对平稳序列而言通常近期的序列值对

现有值影响较大，间隔越远的过去值对现有值影响较小。随着延迟期数k的增加，平稳序列的自相关系数ρk(延迟k期)会比较快的衰减趋向于0，在0处波动，而非平稳序列则衰减速度较慢，这就是利用自相关图进行平稳性检验的标准。

III 单位根检验 。单位根检验是指检验序列中是否存在单位根，如果存在单位根就是非平稳时间序列了。涉及到 “单位根检验p值” 。
直接看后面有个操作步骤，加黑的。

2. 纯随机性检验
   ：白噪声检