10-03 时间序列

最新推荐文章于 2024-04-15 23:54:40 发布

withxinxin

最新推荐文章于 2024-04-15 23:54:40 发布

阅读量408

点赞数

分类专栏：知识要点

本文链接：https://blog.csdn.net/weixin_46400833/article/details/109038484

版权

本文介绍了时间序列的基本定义，强调了时间序列分解的关键因素，并探讨了时间序列的相关公式。文章还讨论了平稳时间序列的概念，举例说明了两种特殊的时间序列。最后，阐述了AR模型和MA模型作为时间序列分析的算法模型。

摘要由CSDN通过智能技术生成

时间分析的基本概念- 与时间相关的稳定关系

1.1 时间序列的基本定义

指随着时间，按照一定规律波动的数列。一个具有分析价值的时间序列往往可以分解
成一下趋势：

趋势：趋势是时间序列在某一方向上的持续运动的上升，下降趋势；

季节变换：往往指在一年中与季节/月份强相关的周期性波动；

周期变化：一般指跨越多年的周期性变化，较常见的经济周期，冰川期；

不规则变化：即常见的随机扰动；

时间序列分解的成功与否，取决于两个因素：

1：数据序列本身是隐藏着规律的，不可预测的部分只是其中的一小部分；

2：分解的方法要合适，尤其是周期的判断要准确。


注：预测技术不是万能的，其最大价值不是预测未来，而是辅助我们监控我们做
的每一步是否正确。

1.2 时间序列的相关公式—我相关我自己

时间序列可记为：{Yi：t=0,1,2,3………};

协方差：Cov(Yt,Ys)=E[(Yt-μt)(Ys-μs)]=E(YtYs)-μtμs,t,s=0,1,2,….

自相关系数：Corr(Yt,Ys)= Cov(Yt,Ys)/(二者标准差之积)

如：Yt 表示5月份的数据，Ys表示6月份的数据；

自相关系数目的地即是为了检验时间序列的稳定；

1.3 平稳时间序列