时间序列分析概述

Posted 2023-04-19

参考技术A

时间序列具有如下特点：

分类：

    五个步骤：特征分析、模型识别、模型参数估计、模型检验、模型应用。

​    在进行时间序列建模的过程中，首先要对时间序列的特征有所了解，一般的，从时间序列的 随机性、平稳性和季节性 三个方面进行考虑，其中平稳性尤为重要，对于一个非平稳时间序列，通常需进行平稳化处理后在进行建模，也可以根据特性之间建模。

     单位根检验 是指判断时间序列中是否存在单位根，即对时间序列的平稳性进行检验。可以证明若存在单位根，则序列是不平稳的，常用的单位根检验方法包括：ADF（Augmented Dickey Fuller）检验、PP（Phillips Person）检验、NP（Nelson Plosser）检验等。

​ 时间序列的模型识别主要包括：确定模型类别和模型阶数两个方面。

​     在确定时间序列模型的类别方面，平稳序列样本自相关函数和偏相关函数的拖尾性和截尾性是判断模型类别的基本方法。

    在确定时间序列模型的阶数方面，主要有以下几种定阶方式。

    对时间序列模型的检验分为两大类：模型的显著性检验及模型参数的显著性检验

    时间序列模型的显著性检验主要检验模型的有效性。模型的显著性检验的主要任务是看模型是否充分有效地提取了全部信息，即一个好的模型应该确保残差序列为白噪声，这样确保了再无可利用信息。如果残差是非白噪声，则意味着残差中留有相关信息。

    模型参数的显著性检验，是要检验模型中的每一个参数是否显著异于零，目的是使模型更为精简和准确。如果模型中包含了不显著的参数性，则可以说明一方面参数冗余，另一方面会影响其他参数的估计精度。因此要提出模型中那些不显著的参数。

    利用模型进行预测分析。

参考：《时间序列模型及预测》 王立柱著；科学出版社

数据分析概述+框架+方法+工具！

干货福利，第一时间送达

  说在前面

做数据分析其实是一件有趣且困难的事，而在这个学习过程中，需要我们不断地更新知识，不断观察学习行业技术更新，那做数据分析这一行，当然也不例外要学习这些世界顶尖公司的技术理念。

数据分析的框架：

• 第一步、业务理解    

• 第二步、数据理解

• 第三步、数据准备

• 第四步、建立模型

• 第五步、模型评估

  
  

对于这些步骤，我们是既熟悉又陌生，熟悉是自己也能理解这么一个大逻辑框架，但是细节上具体的内容总是一知半解。

基于此，分享一下全球最大的管理咨询公司「埃森哲」的大数据分析方法，看大牛们具体是如何进行的数据分析的。

  目录

1、概述

2、数据分析框架

3、数据分析方法

• 3.1数据理解和数据准备

  
  

• 3.2分类与回归

  
  

• 3.3聚类分析

  
  

• 3.4关联分析

  
  

• 3.5时序模型

  
  

• 3.6结构优化

  
  

4、数据分析支撑工具

  福利资源截图

说明：资源包含PPT和PDF文件，限于篇幅，截取一部分图。

这两部分内容可参考之前两篇文章:

• 【

• 】

（没有Python，有点不服~哈哈）

  资源如何获取

关注数据管道，后台回复，埃森哲。

整理创作不易，点个好看支持一下