时间序列ARIMA

ARIMA

传送门:https://www.bilibili.com/video/BV1dT4y1V7qW?p=3&share_source=copy_web

验证平稳性

要求我们用其时间特性的时候,就得需要该样本数据的均值和方差不发生明显的变化,就是按照现有的形状拟合延续

严平稳:数据的分布不随时间的改变而改变

弱平稳:未来某个时刻的数值依赖于过去的信息,有其依赖性

差分

时间序列t时刻与t-1时刻的差值

注意:一阶差分指的是t与t-1时刻差值,二阶差分是在一阶差分基础上再做一次差分,以此类推

AR

描述当前值和历史值之间的关系,需要用其自身的历史数据对自身进行预测

1、必须满足平稳性要求

2、p阶:若以天为单位,1阶表示当前和昨天计算,2阶表示和前天,以此类推

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SEFfkmLc-1645190241721)(../ZNV/%E7%AC%94%E8%AE%B0%E5%9B%BE%E7%89%87/python/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/image-20220218091753114.png)]

3、自相关系数γ小于0.5,不适合

MA

关注自回归模型的误差项,也就是对AR种的误差进行优化

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-j72x92VH-1645190241723)(../ZNV/%E7%AC%94%E8%AE%B0%E5%9B%BE%E7%89%87/python/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/image-20220218092035078.png)]

ARMA

融合AR和MA的公式

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Wq7KcOdB-1645190241723)(../ZNV/%E7%AC%94%E8%AE%B0%E5%9B%BE%E7%89%87/python/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/image-20220218092126194.png)]

所以,到现在为止,需要求p(自回归项)、q(移动平均项)、d(差分阶数)

ACF(自相关函数)

自相关函数反映了同一序列的数据在不同时刻的取值之间的相关性

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-66WH9RLG-1645190241724)(../ZNV/%E7%AC%94%E8%AE%B0%E5%9B%BE%E7%89%87/python/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/image-20220218093007066.png)]

PACF(偏自相关函数)

就是求ACF的时候,求出p=k,不是单纯的找出t和之前t-k单纯的两个时刻的相关关系

因为这其中会受到当前值t和之前k个值(t-1、t-2…t-k)的影响,所以需要剔除中间变量的影响

ACF包含其他变量影响,PACF是严格的两个变量之间的相关性

综合考虑

PACF—>p值

ACF—>q值

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rMrwQeI5-1645190241724)(../ZNV/%E7%AC%94%E8%AE%B0%E5%9B%BE%E7%89%87/python/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/image-20220218094600156.png)]

ARIMA建模三步走:

1、序列趋于平稳(差分法确定d)

2、p和q阶数确定:ACF、PACF

3、ARIMA

理清思路

传送门:

https://www.bilibili.com/video/BV1454y1v79B?share_source=copy_web

时间序列必然要带时间

会分为:

1、白噪声序列:也就是没有任何的规则

2、平稳非白序列:方差和均值是一个常数,可用AR MA ARMA

3、非平稳序列:差分变化后用ARIMA

--------------------------友善分割线,下文逐级操作--------------------------
传送门:https://www.bilibili.com/video/BV1Zz411e78y?share_source=copy_web

1、拿到待分析的数据

​ 做好预处理,做好日期列(标准化)、数据列

​ ⬇

2、检测平稳性:单调的肯定不是平稳的,ACF没有趋向于0的,再看看ADF看其p值是不是大于0.05(大于就是非平稳序列)

​ 不是平稳性序列,转换为平稳性序列(比如:差分) ➡ 差分后也要检测是否平稳(图像观察、ADF检测(p值))

​ ⬇

3、白噪声检验:通过LB进行检验,看其返回p值是否小于0.05(非白噪声)

​ 白噪声就此停止,非白噪声继续进行

​ ⬇

4、计算模型指标:ARIMA模型:p、d、q
看ACF和PACF的图像是拖尾的还是截尾的,选取合适模型
在这里插入图片描述
​ ⬇

5、参数调优:不同p、q的AIC、BIC取值

​ 要求BIC越小越好,AIC越小越好

​ ⬇

6、参数建模+残差检验:ARIMA建模

​ 将残差进行ACF、PACF检测 或者 建立QQ图,看是否符合正态分布(正态分布会拟合出一条直线) 再用ADF和LB进行检验符合白噪声属于纯随机

​ ⬇

7、预测:预测未来数据

  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

友培

数据皆开源!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值