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]