arima基本原理_1 arima 模型理论.pdf

1 arima 模型理论

时间序列Arima 模型理论及在Data Studio 中的应用

目录

1 Arima 模型理论1

1.1 平稳序列建模1

MA 滑动平均过程与AR 自回归过程2

ARMA 自回归滑动平均混合模型3

1.2 非平稳时间序列的ARIMA 过程3

2 ARIMA 在Data Studio 中的应用5

1 Arima 模型理论

Arima 模型是以加权的方法对白噪声的组合来建立模型的，并以模型和实际

数据的残差服从均值较小的正态分布为目标。

1.1 平稳序列建模

所谓的平稳性是指某一时间序列是由同一个随机过程生成的，即时间序列

x(t)(t=1,2,3,…..)的每一个数值都服从同一个随机分布，该随机分布生成的事

件序列满足以下条件：

均值与时间t 无关，任何k 阶滞后序列的均值都相同

方差与时间t 无关，任何k 阶滞后序列的方差都相同

X(t)与X(t-k)的协方差只与滞后阶数k 有关，与时间t 无关。

自相关系数只与滞后阶数k 有关，与t 无关。

从直观上看，所谓的平稳过程可以通过查看acf 自相关图来确定，如果acf

成指数级衰减，则表示平稳(如下图)。

平稳序列

上图是一个有均值为10，标准差为1 的正态分布生成的时间序列。acf 自相

关图用来展示X(t)时间序列与X(t-1), X(t-2),.., X(t-k)各阶之后时间序列之

间的相关系数。如果 k 阶滞后序列 X(t-k)与原始序列 X(t)的相关系数不在

[-0.2,0.2]