时间序列模型学习笔记(二)

时间序列模型学习笔记(二)

3.非平稳时间序列

3.1 非平稳时间序列的差分变换

非平稳时间序列可以建立的模型有ARIMA以及残差自回归模型等等，这里主要讨论ARIMA。

• 差分运算：相距k期的两个序列之间的减法称为k阶差分运算。

对于非平稳时间序列，我们可以通过相应的变换将其变为平稳序列。差分是一个主要的手段，一个线性趋势的非平稳序列可以使用d阶差分运算，化为平稳时间序列，而一个指数趋势的非平稳序列可以先取对数再差分化为平稳序列。画出原始数据的时序图从时序图可以看出数据的基本趋势：围绕某水平线波动；围绕某直线波动；呈指数上升或下降趋势等等。

当然如果变换后的序列依然非平稳，既可以考虑修改一下变换方法，也可以考虑再作一次差分。

3.2 对平稳序列建立ARMA模型

ARIMA模型实质上就是差分运算和ARMA模型的组合，非平稳序列经过变换后变成了平稳序列，此时我们就可以使用ARMA模型对时间序列建模了，怎么建立平稳序列的ARMA模型之前的笔记中已有详细介绍。

3.3 基本步骤

(1)检验序列的平稳性。

我们可以通过观察时序图的波动，画出序列的自相关图或者进行ADF单位根检测，均可以检验序列的平稳性。

基本实现代码：

# 先将数据读入data
#读取数据，