时间序列模型的入门笔记(超基础,欢迎补充)
模型简介
最近想研究了解关于时间序列的基础知识,包括模型基本名词(基本的模型函数很多大佬都在发文里写了,我也看不太懂,就不赘述了),结果解释。自己做的笔记,希望可以帮助入门。主要涉及到指数平滑模型(exponential smoothing method)和ARIMA预测模型。
指数平滑
- 根本目的 ,去除一些随机波动,找到规律性;
- 基本思想:平滑值=a*(新数据)+(1-a)*(老数据),当时间序列数值无明显趋势变化,用一次指数平滑;时间序列值呈线性趋势时,为二次指数平滑;呈二次曲线时,用三次指数平滑。
- 基本参数 ,常规参数α,季节参数δ,趋势参数γ,趋势性衰减π(后两个为趋势性参数,若观察序列图无明显趋势性时不必要估计这两项参数);
- 分析过程 :(1)画序列图,观察是否有趋势性或季节性(稍后等代码出来会附到后面);(2)估计参数,若无趋势性,估计另两个参数。有趋势性估计4个参数。选择误差平方和最小的参数估计结果,此时预测效果最好;(3)结果解释,内样本拟合残差图无规律,说明拟合结果合理+外样本回代结果。