ARMA，ARIMA，SARIMA时序数据预测（附代码讲解）

1 背景

1.1 AR模型

AutoRegress,AR，自回归模型,描述当前值和历史数据的关系，利用历史数据进行预测。AR模型必须满足平稳性。p阶自回归方程的定义为：
$$y_t=u+\sum _{i=1}^p{r}_i{y}_{t-i}+{ϵ}_t$$
其中yt是当前值，u是常数项，p是阶数，ri是自回归系数，后面是误差

• 自回归（AR），就是指当前值只与历史值有关，用自己预测自己
• p阶自回归，指当前值与前p个值有关
• 求常数u与自回归系数ri
• 自回归模型的限制
  （1）自回归模型是用自身的数据来进行预测，即建模使用的数据与预测使用的数据是同一组数据；
  （2）必须具有平稳性；
  （3）必须具有自相关性，如果自相关系数(φi)小于0.5，则不宜采用；
  （4）自回归只适用于预测与自身前期相关的现象。

1.2 移动平均模型MA

移动平均模型关注的是自回归模型中的误差项的累加，移动平均法能有效地消除预测中的随机波动。q阶移动平均模型公式为：
$$y_t=u+{ϵ}_t+\sum _{i=-1}^q{\theta }_i{ϵ}_{t-i}$$

• q阶自回归，指当前值与前q个误差有关
• 求常数u与系数θi

1.3 自回归移动平均模型（ARMA）

y t = u + ∑ i &