时间序列分析的计量经济学方法 - Python中的序列性ARIMA

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

1.