arima 公式_R时间序列分析（8）ARIMA（上）

在上一篇，我们介绍了时间序列统计建模的几个基本概念：平稳性、自相关和白噪声。时间序列数据的建模是在平稳性的基础上进行的。然而，即使平稳的时间序列依然有潜在无限多的参数(各阶自相关函数)，我们需要的是更加简约的(也就是参数个数有限的)平稳时间序列模型，ARIMA模型就是这样一种简约的模型。白噪声是用来建立ARIMA的基本模块。

####AR模型的模拟——stats::arima.simlibrary(tidyverse)library(tsibble)library(cowplot)library(feasts)####ACF函数(自制)gg_acf  ACF  ACF%>%   ggplot(aes(x=lag,y=acf))+   geom_ribbon(aes(ymin=-2/sqrt(T),ymax=2/sqrt(T)),   fill=col,alpha=0.4)+   geom_segment(aes(x=lag,xend=lag,y=0,yend=acf),color=col)+   geom_point(shape=21,color=col,fill=col)+   theme_bw() }set.seed(1234)ar1_simar1_sim_tbl%as_tsibble()p1%ggplot(aes(x=index,y=value))+geom_line()+theme_bw()p2%ACF(lag_max=50)%>%    gg_acf(col='red',T=100)cowplot::plot_grid(p1,p2,nrow=1)

图1