最小二乘法求AR模型

AR(Autoregressive)模型（自回归模型）：用同一变量之前的表现情况来预测该变量现在或未来的表现情况，这种预测方法只与变量自己有关，而与其他变量无关，所以称作是自回归。

数学定义模型:假定AR模型是p阶的，对于一组时间序列有观测值{ x[1],x[2],.....x[N]}，计算t时刻x的预测值x[t]，其自回归方程：

    x[t]=a[1]*x[t-1]+a[2]*x[t-2]....+a[p]*x[t-p]+u[t],1<=p<N,p<=t<=N

其中{a[1],a[2]...a[p]}是对应的参数序列，u[t]是满足N(0,σ^2)的白噪声。

由该数学模型可以看出，AR(p)模型是一种线性预测，由前面的p个x观测值来预测t时刻的值，其本质类似于插值法，其目的都是为了增加有效数据。

AR模型多用于平稳时间序列的预测与拟合，给定一个时间序列，其建模步骤一般如下：

1.判断时间序列是否平稳，可以采用ACF检验、ADF单位根检验等方法。

2若时间序列平稳，则直接转3;若时间序列非平稳，则可采用差分的方法，将其转换为平稳时间序列，转3。