时序分析
想吃锅包肉哇
这个作者很懒,什么都没留下…
展开
-
趋势性、季节性、周期性
时间序列有一些比较常见的特征,包括:1、趋势性(Trend):即在一定时间内的单调性,一般来说斜率是固定的。2、季节性(Seasonal):固定长度的变化,就像春夏秋冬的温度变化一样。3、周期性(Cyclic):与季节性很像,但是它的波动的时间频率不是固定的。以上都是基本概念,重点是区分季节性和周期性。事物都是盛极必衰,但是跌落谷底之后又反弹,这种往复的运动,被称之为周期性。但是像日出日落、春夏秋冬、周六日放假这种节律如果能够固定下来,那么这种固定的往复变化就被成为季节性。...原创 2020-07-14 10:23:44 · 11332 阅读 · 0 评论 -
指数平滑法 Exponential Smoothing
指数平滑法 Exponential Smoothing指数平滑法,用于中短期经济发展趋势预测。1 时间序列分析基础知识1.1 时间序列分析前提假设时间序列分析一般假设我们获得的数据在时域上具有一定的相互依赖关系,例如股票价格在t时刻很高,那么在t+1时刻价格也会比较高(跌停才10%);如果股票价格在一段时间内获得稳定的上升,那么在接下来的一段时间内延续上升趋势的概率也会比较大。1.2 时间序列分析目标(1)发现这种隐含的依赖关系,并增加我们对此类时间序列的理解;(2)对未观测到的或者尚未发生的原创 2020-07-13 09:28:50 · 5658 阅读 · 1 评论 -
ARMA、ARIMA和SARIMA
ARIMA1 背景知识1.1 自回归模型(AR)描述当前值与历史值之间的关系,用变量自身的历史时间数据对自身进行预测,自回归模型必须满足平稳性。自回归(AR),就是指当前值只与历史值有关,用自己预测自己p阶自回归,指当前值与前p个值有关求常数u与自回归系数ri自回归模型的限制(1)自回归模型是用自身的数据来进行预测,即建模使用的数据与预测使用的数据是同一组数据;(2)必须具有平稳性;(3)必须具有自相关性,如果自相关系数(φi)小于0.5,则不宜采用;(4)自回归只适用于预测与自身原创 2020-07-11 09:36:03 · 14345 阅读 · 0 评论