![3018fb8eaef6ff5ac6f6e5879336d474.png](https://i-blog.csdnimg.cn/blog_migrate/679b9cfcb29c6b3c81e3d64e865085fa.jpeg)
昵称 | 追光者
研究 | 机器学习与时间序列
出品 | AI蜗牛车
本篇主要讲解AR,ARMA,ARIMA等传统时间序列模型,包括具体代码操作。并附讲时间序列的一些基础知识点,如果有基础的可以直接跳到模型部分。
1. 时间序列的平稳性
1.1 自协方差、自相关函数
自协方差,指不同时点的变量之间的协方差
自相关函数(autocorrelation function)ACF。自相关函数是指不同时点的变量之间的相关性。
1.2 平稳性定义
通俗理解一下时间序列的平稳性。
平稳可以理解为性质平移不变。时间序列分几种情况,第一种是纯白噪音序列,这个时候就没有分析的必要了。第二种是平稳序列,我们为什么要研究时间序列,就是希望从历史数据中获得一些信息能够用于未来,而平稳代表了某种程度上的时间平移不变性,如果时间序列的性质随着时间的偏移,发生了很大的变化,那么学习历史数据意义就不大了(其实也不是,也有其他办法,但是现在只说传统的时间序列分析)
第三种是非平稳时间序列,非平稳的就可以通过一些操作对序列进行平稳化
严平稳
“ 强平稳过程: 对于任意的和任意的
以及所有可能的k,当
的联合分布与
的相同时,是强平稳
”
严平稳就是时间序列的严格独立于时间,任何阶矩都不受时间影响
弱平稳
“ 弱平稳过程:给定一个二阶矩过程,当它满足下列要求
1.对于任意t,