1.常见的时间序列算法:
2.时序模型的预处理
1. 纯随机序列,既白噪声序列,序列各项没有任何关系,可以终止对该序列的分析;
2. 平稳非白噪声序列,均值和方差不随时间变动。使用ARMA;
3. 非平稳序列,一般方法是将其转化为平稳序列,可以使使用ARIMA。
平稳性检验
1.时序图检验: 平稳时间序列的均值和方差都是常数,则平稳时间序列的时序图显示在一个参数附近随机波动,而且波动是有周期性的,如果有明显的趋势或则周期性,通常不是平稳序列;
2. 自相关图检验: 平稳序列具有短期相关性,既通常只有近期序列的值的影响比较明显,间隔远的过去值对现在的影响比较小。而非平稳序列的自相关系数衰减的速度比较慢;
3. 单位根检验: 检验时间序列中是否存在单位根,如果存在单位根,那就是非平稳时间序列。也是目前最常用的检验方法。
原假设:非平稳时间序列,备假设:平稳序列,趋势平稳过程
3. 时间序列分析:
平稳性:要求序列的均值和方差不发生明显的变化
弱平稳:期望和相关系数不变,未来的某个时刻t的值,Xt要依赖于它过去的信息
差分法: 时间序列在T与T-1时刻的差值(使用差分使其满足平稳性),一般差分1,2阶就可以了
自回归模型的限制:
1. 必须使用自身数据进行预测;
2. 必须具有平稳性;
3. 必须有相关性,相关性小于0.5则不宜使用;
4. 只适用于预测与自身前期相关的预测;