数据挖掘——时间序列的预处理

前言

拿到一个观察值后，首先要对他的纯随机性和平稳性进行检验，这两个重要的检验称为序列的预处理。根据检验结果可以将序列分为不同的类型，对不同类型的序列会采取不同的分析方法。
时间序列根据数据的分布可以分为纯随机序列和平稳非白噪声序列、非平稳序列。

一、平稳非白噪声序列

对于平稳非白噪声序列，他的均值和方差是常数，现有一套非常成熟的平稳序列的建模方法。通常是建立一个线性模型来拟合该序列的发展，借此提取该序列的有用信息.ARMA模型是最常用的平稳序列拟合模型。那么方法有了，怎样确定一个时间序列是平稳的时间序列呢？请往下看。

1、平稳时间序列的定义

对于时间序列$X_t,t\in T$，任意时刻的序列值$X_t$都是一个随机变量，每一个随机变量都会有均值和方差，记为$X_t$的均值为$\mu$，方差为$\sigma$.

任取$t,s\in T$，定义序列$X_t$的：
$$自协方差函数：\gamma (t,s)=E[(X_t-{\mu }_t)(X_s-{\mu }_s)]\text{\hspace{1em}(1)}$$
$$自相关系数：\rho (t,s)=\frac{cov(X_t,X_s)}{{\sigma }_t\sigma s}\text{\hspace{1em}(2)}$$
特别的$\gamma (t,t)=\gamma (0)=1,{\rho }_0=1$
自协方差和自相关系数衡量的是同一个事件在两个不同时期（s和t）之间的相关程度，形象的讲就是度量自己过去的行为对自己现在的影响。

准则：
（1）如果时间序列$X_t,t\in T$在某一常数附近波动且波动范围有限，即有常数均值和常数方差；
（2）延迟k期的序列变量的自协方差和自相关系数是相等的或者说延迟k期的序列变量之间的影响程度是一样的，则是平稳序列

2、平稳性检验

上面可以判断出是否为平稳序列，那么现在该判断平稳性“怎么样”。
对序列的平稳性的检验有三种检验方法：
（1）时序图检验：根据数据画图，平稳序列的时序图显示该序列值始终在一个常数附近随机波动，且波动范围有限；如果有明显的趋势性或者周期性，那他通常不是平稳序列；
（2）自相关图检验:随着延迟数k的增加，平稳序列的自相关系数${\rho }_k$（延迟k期）会比较快的衰减趋向于零，并在零附近随机波动，而非平稳序列的自相关系数衰减的速度比较慢；
（3）单位根检验：如果存在单位根就是非平稳时间序列。

二、非平稳序列

对于非平稳序列，由于他的均值和方差不稳定，处理方法一般是将其转变为平稳序列，这样就可以应用有关平稳时间序列的分析方法，如建立ARMA模型进行相应的研究。如果一个时间序列经差分运算后具有平稳性，则该序列为差分平稳序列，可以使用ARIMA模型进行分析。

三、纯随机序列

对于纯随机序列，又称为白噪声序列，序列的各项之间没有任何相关关系，序列在进行完全无序的随机波动，可以终止对该序列的分析。白噪声序列是没有任何信息可以提取的平稳序列。

什么样的序列是纯随机序列？
答：自相关系数接近0，并在零附近波动。