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,