引文
假如我们有一个产品的历史销量数据,我们要预测最近的销量。我们就可以将销量预测看作是基于时间序列的短期数据预测。
本次写的是:给定了一个已被观察的时间序列,预测该序列的未来值。
时间序列基本概念
时间序列类型
1、纯随机序列/白噪声序列: 序列的各项值之间没有任何相关关系。白噪声序列是没有信息可提取的平稳序列。
2、平稳非白噪声序列: 均值和方差是常数。ARMR是常用的平稳序列拟合模型。
3、非平稳序列: 均值和方差不稳定,处理方法一般是转变为平稳序列。
4、差分平稳序列: 经差分运算后具有平稳性的时间序列。ARIMA模型常用。
纯随机性检验
Q:怎么判断一个序列是不是纯随机序列/白噪声序列?
A:序列在进行完全无序的随机波动,可以终止对该序列的分析。
平稳性检验
平稳时间序列数学定义
先知道一下以下定义:
-
对于时间序列{Xt,t∈T},任意时刻的序列值Xt都是一个随机变量,每一个随机变量都会有均值和方差,Xt的均值为μt,方差为δt。
-
任取t、s∈T,定义序列的自相关系数ρ(t,s)=cov(Xt,Xs)/δtδs,衡量同一个事件在两个不同时期(时刻s和t)之间的相关程度,就是度量自己过去对自己现在的影响。
-
“ 如果时间序列{Xt,t∈T}在某一常数附近波动且波动范围有限,既有常数均值和常数方差,并且延迟k期的序列变量的自协方差和自相关系数是相等的或者说延迟k期的序列变量之间的影响程度是一样的,则称{Xt, t∈T}为平稳序列。”
平稳性检验
- 时序图检验
- 自相关图检验
- 单位根检验
平稳时间序列分析
AR模型
MA模型
ARMA模型
平稳时间序列建模方法
非平稳时间序列分析
差分
ARIMA模型
实质是差分运算与ARMA模型的组合