时间序列、时间序列模型——AR、MA、ARMA、ARIMA（一）

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