时间序列分析

51 阅读 0 评论 34 点赞

我是靠谱客的博主灵巧小松鼠，最近开发中收集的这篇文章主要介绍时间序列分析，觉得挺不错的，现在分享给大家，希望可以做个参考。

时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计（如非线性最小二乘法）来建立数学模型的理论和方法。

1，ARMA模型：自回归移动平均(auto regression moving average)模型，最常用的拟合平稳序列的模型。

拓：1）平稳就是围绕着一个常数上下波动

2）不平稳，怎么办？差分

（1）AR模型（auto regression model）：

一般的p阶自回归过程AR(p)是

Xt=a1Xt-1+ a2Xt-2 + … + apXt-p + mt (*)

如果随机扰动项是一个白噪声(mt=et)，则称(*)式为一纯AR(p)过程（pure AR(p) process），记为

Xt=a1Xt-1+ a2Xt-2 + … + apXt-p +et

（2）MA模型 (moving average model)：

如果mt不是一个白噪声，通常认为它是一个q阶的移动平均（moving average）过程MA(q)：

mt=et - q1et-1 - q2et-2 - ... - qqet-q

该式给出了一个纯MA(q)过程（pure MA(p) process）。

（3）ARMA模型 (auto regression moving average model)：

将纯AR(p)与纯MA(q)结合，得到一个一般的自回归移动平均（autoregressive moving average）过程ARMA（p,q）：

Xt=a1Xt-1+ a2Xt-2 + … + apXt-p + et - q1et-1 - q2et-2 -... - qqet-q

以上就是灵巧小松鼠为你收集整理的时间序列分析的全部内容，希望文章能够帮你解决时间序列分析所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。