时间序列模型
通过观察过去的特征模式,预测将来的走势
方法:时间序列分解法和趋势外推法(线性模型)
长期时间趋势T;季节性变动S;循环性变动(非季节,周期一年以上)C;不规则变动R
加法模型:T+S+C+R
乘法:T*S*C*R
趋势模型的选择
1.图形识别法
2,差分法
对数据进行修正,使非平稳序列达到平稳序列
平滑预测法
*平稳时间序列预测法
平稳:序列的均值不随时间的变化而变化,序列方差为0,不随时间变化,协方差只与时间间隔有关,与时间无关
AR 自回归模型:关于PACF P阶截尾
MA移动平均模型:关于ACF q阶
ARMA自动回归移动平均模型(处理平稳性,无趋势)
ARIMA模型:将非平稳型数列变为平稳型再进行处理
平稳性处理:1,对数运算 2,平滑法(移动平均法,指数平均法)3, 差分