非平稳序列的随机分析

一、差分运算

p阶差分：前后两期序列进行一次差分—-1阶差分；对1阶差分后的序列再进行1阶差分—2阶差分；……对一个序列进行p次1阶差分—-p阶差分。
k步差分：相距 k 期的两个序列之间相减

利用函数 diff( ) 可进行差分运算

diff(x,lag= ,differences= ),lag指定步长（默认1），后一个参数指定阶数（默认1）

那如何避免过差分呢？
过差分会导致信息损失过多，估计精度低
可以根据实际情况选择p、k
1、对于有明显的线性趋势序列，1阶差分就可以实现平稳
2、有明显曲线趋势—2~3阶差分即可实现平稳
3、有固定周期的序列，需要进行步长=周期的差分
4、既有线性趋势又有周期的序列，需要做1阶差分提取趋势，再做步长=周期的差分提取周期

二、ARIMA模型

差分运算与ARMA的结合—-对差分运算后平稳的序列拟合ARMA模型

ARIMA（p,d,q）:

⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪Φ(B)▽dxt=Θ(B)εtE(εt)=0,Var(εt)=σ2ε,E(εtεs)=0,s≠tE(xsεt)=0,∀s<t { Φ ( B ) ▽ d x t = Θ ( B ) ε t E ( ε t ) = 0 , V a r ( ε t ) = σ ε 2 , E ( ε t ε s ) = 0 , s ≠ t E ( x s ε t )