arima模型 p q d 确定_时间序列ARMA和ARIMA

↑ 点击上方 “凹凸数据” 关注 + 星标 ~ 

每天更新，大概率是晚9点  

本文作者：吴达科，授权投稿

首发于CSDN：https://blog.csdn.net/qq_33333002/article/details/106171234

1.简介

1.1 时间序列包括：

AR(自回归模型)，AR ( p) ，p阶的自回归模型 MA(移动平均模型)，MA(q)，q阶的移动平均模型 ARIMA(差分自回归移动平均模型)

1.2 运用对象

这里四种模型都是变量y，针对时间变化而发生的改变，这四种模型的运用对象都是平稳的时间序列。也就是随着时间的变化，在一定范围内动态波动。不平稳序列如下图所示：平稳序列如下图所示：AR,MA,ARMA都是运用于原始数据是平稳的时间序列。ARIMA运用于原始数据差分后是平稳的时间序列。

该文章是基于时间序列的ARMA、ARIMA模型，来进行实践。这里只对销售金额进行分析。

2. 数据的导入、清洗

2.1 导入数据，进行探索性分析

import numpy 

输出：查看表的结构：这里的class2有5个缺失值，由于这里不对此进行分析，就不进行该数据的清洗。