数据科学-序列分析和预测

时间序列分析和预测

时间序列及其分解

时间序列: 同一现象在不同时间的相继观察值排列而成的序列。经济数据大多数以时间序列的形式给出。
平稳序列: 基本不存在的趋势序列。这类序列中的各个观察值基本上在某个固定的水平上波动，虽然在不同的时间段波动的程度不同，但并不存在某种规律，波动可以看成是随机的。
非平稳序列: 包含趋势、季节性或周期性的序列，他可能只包含其中一种成分，也可能含有几种成分。可以分为有趋势的序列、有趋势和季节性的序列、几种成分混合而成的复合型序列。

趋势: 时间序列在长期内呈现出来的某种持续上升或持续下降的变动，也称为长期趋势，时间序列中的趋势可以是线性的，也可以是非线性的。
季节性(季节变动): 时间序列在一年内重复出现的周期波动。
周期性(循环波动): 时间序列中呈现出来的围绕长期趋势的一种波浪形或震荡式变动。周期性通常有商业和经济活动引起的，他不同于趋势变动，不是朝着单一方向的持续运动，而是涨落相间的交替波动；也不同于季节变动，循环波动无固定规律，周期多在一年以上，且周期长短不一。周期性通常由经济环境的变化引起的。
随机性(不规则波动): 时间序列中除去趋势，周期性和季节性之后的偶然性波动。

趋势(T)、季节性或季节变动(S)、周期性或循环波动©、随机性或不规则波动(I)
按四种成分对事件序列的影响方式不同，时间序列可分解为多种模型，如加法模型、乘法模型等