时间序列ARIMA模型
Posted cheryol
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了时间序列ARIMA模型相关的知识,希望对你有一定的参考价值。
时间序列ARIMA模型
1、数据的平稳性与差分法
让均值和方差不发生明显的变化(让数据变平稳),用差分法
2、ARIMA模型-----差分自回归平均移动模型
求解回归的经典算法:最大似然估计、最小二乘法
在具体运用时,需要指定三个参数,即(p,d,q);
其中:p表示自回归的阶数,
d表示做几阶差分(一般做一阶差分),
q表示平均移动模型的阶数
3、相关函数的评估方法
选择p和q
自相关函数ACF(Autocorrelation Function)
(1)有序的随机变量序列 与其自身进行比较
(2)自相关函数反映了同一序列在不同时序的取值之间的相关性。
其中:虚线表示置信区间
偏自相关函数PACF(Partial Autocorrelation Function)
4、建立ARIMA模型
注意:
通过PACF函数的图可以得知p的取值
通过ACF函数的图得知q的取值
截尾:可以允许有少部分的离群点
使用ARIMA建模的流程:
(1) 将序列平稳----通过差分法确定d
(2) P和q阶数的确定----通过ACF和PACF
(3) ARIMA(p,d,q)
5、 参数选择
AIC、BIC的值都是越低越好-----主要就是保证精度的准则下,k的值尽量小
QQ图:观察所绘制出的图是否是一条直线,若是,则符合正态分布;
以上是关于时间序列ARIMA模型的主要内容,如果未能解决你的问题,请参考以下文章