【算法原理】时间序列模型ARIMA

1. 平稳性

1. 指的是时间序列样本及拟合曲线在未来时间点上按照现有的某种趋势延续下去。均值与方差无明显的变化。
2. 平稳性分为严平稳性（不太可能出现）和弱平稳性（期望与相关系数不变）
3. 时间序列模型主要用来预测，若平稳性都无法保证，何来预测？

2. 差分

1. 举例来说：一阶差分就是$X_t$与$X_{t-1}$时刻的差值。二阶差分就是在一阶差分完成后，在进行一次一阶差分的操作。
2. 差分法可以降低时间序列数据的波动。

3. AR（自回归模型）

1. 回归模型研究的是X与Y的相关关系，AR模型研究的是X自己与自己的关系，基于时间的X的历史值与当前值的关系，用历史值预测未来值。
2. 自回归模型要求数据满足平稳性要求。
3. p阶（当期与前p个时期）自回归模型公式：$$y_t=\mu +\sum _{i=1}^p$$