arima 公式_时间序列 ARIMA 模型 (三)

先看下图：

这是1986年到2006年的原油月度价格。可见在2001年之后，原油价格有一个显著的攀爬，这时再去假定均值是一个定值(常数)就不太合理了，也就是说，第二讲的平稳模型在这种情况下就太适用了。也因此有了今天这一讲。

要处理这种非平稳的数据(比如上图中的均值不是一个常数)，需要用非平稳模型：求和自回归滑动平均(Autoregressive integrated moving average, ARIMA)。接下来，咱先看一个处理过的石油价格：

是不是似曾相识？！ 对的，经过简单的处理，本来不平稳的数据，立即变成了平稳数据了。这样再用上一章的模型就可简单处理了。这种处理方式就叫做差分(马上会讲，别急)。 而ARIMA 模型可以简单的理解为：差分+平稳模型。你看，这下，这章的内容是不是简单多了，所谓非平稳模型不就是差分处理下数据，再变有平稳数据，然后再用平稳模型处理嘛~ 确实酱紫~。

那马上就产生一个问题(或者你早就有疑问了)：什么叫做差分？差分是处理时间序列非常重要的工具，在计量经济学及金融数学中广泛应用。

3.1 差分运算

3.1.1 差分运算

还是用原油价格(月度数据)作为例子，所谓一阶差分就是两个相邻月度之间做差。(这么简单？！对，就是这样~)。

规范化些：设\(\{X_t,\ t= \pm1,\pm2,\dots\}\) 为一时间序列，则：

\[\Delta x_t = x_t - x_{t-1} \ t=\pm1,\pm2,\dots

\]

称为时间序\(\{X_t,\ t= \pm1,\pm2,\dots\}\) 的一阶差分运算。

比如 2005年原油价格为：46.84 ，48.15， 54.19， 52.98， 49.83， 56.35， 58.99，