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。