Time Series

ARIMA模型运用的基本流程有几下几步:

  • 数据可视化,识别平稳性。

  • 对非平稳的时间序列数据,做差分,得到平稳序列。

  • 建立合适的模型。

       平稳化处理后,若偏自相关函数是截尾的,而自相关函数是拖尾的,则建立AR模型;
    
        若偏自相关函数是拖尾的,而自相关函数是截尾的,则建立MA模型;
    
       若偏自相关函数和自相关函数均是拖尾的,则序列适合ARMA模型。
  • 模型的阶数在确定之后,对ARMA模型进行参数估计,比较常用是最小二乘法进行参数估计。

  • 假设检验,判断(诊断)残差序列是否为白噪声序列。

  • 利用已通过检验的模型进行预测。

平稳性的三个标准

  • constant mean

  • constant variance

  • an autocovariance that does not depend on time.

参考佳文

Time Series Analysis - 時間序列模型基本概念:AR, MA, ARMA, ARIMA 模型

ARIMA

ARIMA模型

时间序列分析----结合ARMA的卡尔曼滤波算法

用ARIMA模型做需求预测

ARIMA模型详解 此文提到了:MA模型就是无穷阶AR模型的等价表示

Last updated

Was this helpful?