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

1. 根本目的 ，去除一些随机波动，找到规律性；
2. 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。
3. 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）；
4. 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。