时间序列模型的选择思路——学习笔记

本文大量参考了预测类问题与时间序列

时间序列的四个特性

时间序列：某个物理量对时间的函数。

拿到一个时间序列，可以从四个角度去认识和挖掘它：

1：随机vs确定

可由外界的变化而确定，也可以是因为有复杂的原因，结果不确定。要先想想时间序列是否可以重复。有概率空间的概念。

2：无记忆vs历史依赖

无记忆：只和上一时刻相关，没有复杂记忆（马尔科夫过程）；有记忆：与之前很多的时刻都相关，有复杂的历史依赖。

3：线性vs非线性

影响序列的因素之间是否相互独立。若独立，则可以拆分为各因素的叠加，称之为线性；若不独立，相互之间有影响，则为非线性，问题会复杂的多。

4.问题的维度

时间序列的观测值的维度。高维时是否该降维，低维时是否该投影到高维。

选用预测模型的方向

考虑完以上几个特性之后，可以考虑选用相应的模型。

比如：若线性，则各因素可以叠加，选用LR就不错；若无记忆，则HMM就很好。若有记忆、非线性、纬度高，那么可以考虑用神经网络。

举例

1.股市预测

巨大的随机性（因素太多，很难考虑全）、很强的历史依赖、非线性、单维度的时间序列。

2.备件预测