时间序列

一、时间序列是什么？

时间序列是指某种现象某一指标在不同时间上的各个数值，按照时间先后顺序排列而形成的序列。基于随机过程理论，用于动态数据处理。经典的统计分析都嘉定数据序列具有独立性，而时间序列分析则侧重研究数据序列的相互依赖关系。

二、时间序列分类

1.白噪声序列

纯随机序列，没有预测价值。

2.平稳非白噪声序列

均值/方差都是常数：AR MA ARMA

3.非平稳序列

差分变换，转化为平稳序列进行拟合 —>ARIMA

---

三. 时间序列主要模型

1. ARIMA

平稳性：要求样本时间序列所得的拟合曲线能够按照现有的形态“惯性”延续下去。
要求序列的均值和方差不发生明显变化。
严平稳：数据的分布不随时间的改变而改变。Eg: 白噪声（正态），期望为0，方差为1.
弱平稳：期望与相关系数不变。（大多数分析数据都为弱平稳）
差分法：时间序列在t时刻和t-1时刻的差值

data['diff1'] = data['igmb'].diff(1)  --