matlab p q的确定,如何确定ARIMA模型中参数p、d、q

在先前学习的使用ARIMA预测时间序列的文章中，对于如何确定参数p、d、q还是存在一些疑问，今天学习的这篇文章主要讲解的是如何确定p、d、q参数。

实验数据：链接: https://pan.baidu.com/s/14Nt8aU3NbgzBt2lA_jmB6Q 提取码: 8rbt

读取并观察数据

import pandas as pd

import matplotlib.pyplot as plt

import statsmodels.api as sm

data = pd.read_csv("arima-demo.csv",parse_dates=['date'],index_col='date')

print(data.head())

data.plot(figsize=(12,6))

从上图可知，存在一定的增长趋势。

时间序列的差分d

ARIMA 模型对时间序列的要求是平稳型。因此，当你得到一个非平稳的时间序列时，首先要做的即是做时间序列的差分，直到得到一个平稳时间序列。如果你对时间序列做d次差分才能得到一个平稳序列，那么可以使用ARIMA(p,d,q)模型，其中d是差分次数。

1阶差分：

diff1 = data.diff(1)

diff1.plot(figsize=(12,6))

目测已经平稳，再来看看2阶差分的效果：

diff2 = data.diff(2)

diff2.plot(figsize=(12,6))

可以看到二阶差分侯差异不大，所以这里d设置为1即可。

阶层 p 和阶数 q

现在我们已经得到一个平稳的时间序列，接来下就是选择合适的ARIMA模型，即ARIMA模型中合适的p,q。

第