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 )