时间序列ARIMA模型及预测，未完待续

我们在建立模型的时候，很多模型都要求数据平稳性这一要求才能建模。

在这个Arima模型中平稳性有两个概念，

严平稳是一种理想情况。

实际情况当中大多数据都是弱平稳。

 

 

 

为了使数据更加平稳，这里介绍一下差分法，比如t2-t1,t3-t2,t4-t3,t5-t4，这些时刻的数据再拿出来，相当于错开一个时间点，然后在让其对应相减，得到差异，这样可以让数据更平稳一些。

显然二阶差分比一阶差分稳，一阶差分比原始数据稳。

当我们拿到数据之后一个通常做法就是我要对我的数据做一个差分，差分可以使得数据平稳性更好一些，做ARIMA模型必须保证数据具有平稳性，这是一个潜在的要求。

 亟待解决

 

参考资料

【算法+代码案例】时间序列ARIMA模型及预测_哔哩哔哩_bilibili

Python时间序列分析 - 志光 - 博客园//可以看这个博主链接，代码可直接复制使用

ARIMA模型原理及实现_Steven_Sunny的专栏-CSDN博客_arima模型 //代码简洁