时间序列
1.什么是时间序列
时间序列也称动态序列,是指将某种现象的指标数值按照时间顺序排列而成的数值序列。因为时间序列是某个指标数值长期变化的数值表现,所以时间序列数值变化背后必然蕴含着数值变换的规律性,这些规律性就是时间序列分析的切入点。一般情况下,时间序列的数值变化规律有以下四种:长期变动趋势、季节变动规律、周期变动规律和不规则变动。
时间序列分析方法
自回归模型(简称AR模型)与移动平均模型(简称MA模型)为基础“混合”构成.从时间序列本身出发,力求得出前期数据与后期数据的量化关系,从而建立前期数据为自变量,后期数据为因变量的模型,达到预测的目的。虽然AR/MA/ARMA/ARIMA是四种可以独立使用的分析方法,但是它们其实是互补的关系,适用于包含不同变动成分的时间序列。
1.平稳性时间序列:2.非平稳性时间序列:一般具有长期趋势的时间序列为非平稳时间序列,有可能持续增长,先快后慢,或者先慢后快,可以使用查分形成新的平稳的时间序列
根据长期趋势的发展趋势不同,可以进行差分的次数和方法也不相同,一般的规律如下:
一次差分的时间序列数值大体相同,配合直线趋势;
二次差分的时间序列数值大体相同,配合二次曲线
对数的一次差分的时间序列数值大体相同,配合指数曲线
一次差分的环比值大体相同,配合修正指数曲线
对数一次差分的环比值大体相同,配合Gompertz曲线
倒数一次差分的环比值大体相同,配合Logistic曲线
分类:
按自变量数量来分:一元时间序列,多元时间序列
时间连续型来分:离散时间序列和连续时间序列
变量值的表现形式来分:绝对时间序列(时点数值为一段时间的总量),相对时间序列(把同一时间段的相对指标按时间排序,例如实际值与相对值),平均数时间序列(一系列同一性质的平均指标排列)
模型:
AR模型(自回归分析)----(公式就是线性回归模型,关于不同时间点记录的指标数值)
概念:
AR模型利用前期数值与后期数值的相关关系(自相关),建立包含前期数值和后期数值的回归方程,达到预测的目的,因此成为自回归过程
解释:
认为用本时间点之前的p个点的线性组合,再加上白噪声就可以预测未来某个时刻的点。(通过历史点来预测现在点)----也叫P阶回