数学建模 | 关于自回归模型你必须知道的20个知识点

1. 自回归模型的含义是什么?

自回归模型使用过去的观测值来预测未来值。

2. 自回归模型的表示方法是什么?通常表示为AR(p)模型,p表示使用的过去观测值的个数。

3. 自回归模型的公式是什么?

Y_t = c + φ_1Y_{t-1} + φ_2Y_{t-2} + ... + φ_pY_{t-p} + ε_t 

4. 自回归模型的参数有哪些?

模型常数c,自回归系数φ和白噪声误差ε。

5. 自回归系数φ的大小对模型表示的时间序列有何影响?

自回归系数的大小决定了时间序列的平稳性,φ的绝对值越小,时间序列越趋向于平稳。

6. 自回归模型的优点是什么? 

可以捕捉时间序列的动态变化,处理非平稳时间序列。

7. 自回归模型的缺点或限制是什么?

难以确定最优的p值,预测结果可能出现漂移。

8. 自回归模型的预测结果如何评估? 

同移动平均模型,通过比较预测结果与真实值的误差指标评估。

9. 自回归模型适用于哪些类型的时间序列? 

非平稳时间序列,特别是有周期性变化的时间序列。

10. 自回归模型能否有效处理异常值?

自回归模型通过拟合时间序列的总体变化模式,异常值的影响较小。 

11. 自回归模型与移动平均模型的主要区别是什么? 

自回归模型可以处理非平稳时间序列和捕捉时间序列的周期变化,移动平均模型无法做到。

12. 自回归模型如何确定最优的p值? 

通过信息准则如AIC、BIC或通过误差指标选择最优p值。

13. 当时间序列的变化模式变化时,自回归模型的预测效果如何? 

预测效果会下降,需要重新确定自回归模型的参数。

14. 自回归模型是否受时间序列的趋势变化影响较大? 

是的,自回归模型通过历史观测值建立的动态变化模式会受时间序列趋势变化的影响。 

15. 自回归模型的应用实例有哪些? 股票价格预测、交通量预测、生物信息等领域。

16. 自回归模型的预测结果是否存在"自回归惯性"? 

是的,自回归模型通过历史观测值建立的变化模式可能无法及时跟上时间序列真实的变化趋势,导致预测结果出现"自回归惯性"。

17. 如何避免或减少自回归模型预测结果的"自回归惯性"? 

定期重新估计自回归模型的参数,采用自回归滑动模型等。

18. 自回归模型是否适合用于长期预测? 

不太适合,自回归模型通过历史观测值建立的短期变化模式,长期预测效果较差。 

19. 自回归系数的值范围是什么?意义是什么? 

自回归系数的值范围是-1到1,-1表示完全的负相关,0表示无相关,1表示完全的正相关。 

20. 如何判断一个时间序列适合建立自回归模型? 

时间序列的值随时间变化,且过去的观测值与未来值之间存在较强的相关性。