自相关,时间序列分解,数据转换,Sarimax模型,性能指标,分析框架
在这篇文章中,我们将讨论使用趋势和季节性组件分析时间序列数据。 将遵循计量经济学方法来模拟数据的统计特性。 这里的业务目标是预测。 我们试图解释时间序列建模中涉及的各种概念,例如时间序列组件,序列相关,模型拟合,度量等。我们将使用statsmodels库提供的SARIMAX模型来模拟数据中的季节性和趋势。 SARIMA(季节性ARIMA)能够将季节性和趋势建模在一起,不像ARIMA只能模拟趋势。
Contents:
Definition of time series data
Introduction to the project and data
Seasonal decomposition and Time series components: Trend, Seasonality, Cycles, Residuals
Stationarity in time series data and why it is important
Autocorrelation and partial autocorrelation
Data transformation: Log transformation and differencing
Model Selection and Fitting
Conclusion
Access full Python code from the GitHub repository: https://github.com/jahangirmammadov/sarima/blob/master/Seasonal%20Time%20Series%20Analysis.ipynb