时间序列ARIMA模型相关
来源:互联网 发布:linux 向组里添加用户 编辑:程序博客网 时间:2024/05/16 15:13
什么是时间序列?
时间序列:将某种现象某一个统计指标在不同时间上的各个数值,按时间先后顺序排列而形成的序列。
什么是序列的平稳性? --平稳性检验
序列平稳性:严平稳、宽平稳。严:当序列的所有性质不随时间的推移还发生改变。。宽:如果一个序列的均值和自协方差不随时间而改变,就说它是平稳的;反之,则是非平稳的。
平稳性检验:直观的可以看序列图或者自相关图,不严格。运用统计量来检测:单位根检验(ADF):如果存在单位根我们还需要判断存在几个单位根,也就是差分后的序列是否还存在单位根,如果不存在单位根,我们就可以考虑平稳时间序列建模了;如果存在,我们还要继续差分,直到不存在为止。
一般的假设检验中,序列的原假设为非平稳性的。因为大部分的时间序列是非平稳序列。
什么是AIC准则?
AIC准测:评判模型拟合的好坏:1.似然函数值,2.模型中未知参数的个数
AIC越小拟合效果就越好
ARIMA 差分自回归移动平均模型。
ARIMA(p,d,q) p代表AR模型阶数,d代表差分阶数,q代表MA模型的阶数。
d=0,ARMA模型
p=0, IMA模型
d=1,p=q=0 随机游走模型
p=d=0,MA模型
d=q=0,AR模型
q=0, ARI模型
关于拟合ARIMA模型时还需要进行白噪声检验,需要另文章予以考虑。
- 时间序列ARIMA模型相关
- 时间序列分析--ARIMA模型
- 时间序列分析之ARIMA模型预测
- R语言 时间序列ARIMA模型方法
- ARIMA时间序列
- ARIMA时间序列分析
- ARIMA时间序列分析
- 时间序列分析之 ARIMA 模型的JAVA实现
- 时间序列分析——ARIMA模型预测(R)
- R语言时间序列分析之ARIMA模型预测
- 时序分析:ARIMA模型(非平稳时间序列)
- 时间序列分析中的ARMA,ARIMA模型整体综述
- 时间序列分析之ARIMA模型预测__R篇
- R语言 时间序列分析之ARIMA模型预测
- R语言时间序列之ARMA、ARIMA模型
- R语言-时间序列-arima模型-forecast、tseries包
- 时间序列(四)ARIMA模型与差分
- R & ARIMA 时间序列预测
- ext中ArrayStore,JsonStore,XmlStore的用法
- vs2010中使用Nunit测试c#代码结果的正确性
- HDOJ 2236 - 无题II 暴力+二分图最大匹配判断
- C#面向对象中方法隐藏
- 《逆水寒》
- 时间序列ARIMA模型相关
- 【有趣的面试算法题】之三 求最大子序列和/积问题,关注起点和终点
- hdu 1003 Max Sum
- 11.用户基本操作
- 一不小心踏进Android开发: TPMini大眼睛使用PS3蓝牙手柄 文章索引以及其它
- C++中this指针的用法详解
- IOS之sandbox
- 学会使用官方文档
- 突然间明白了几个道理