ARIMA(待续。。。)
来源:互联网 发布:中国当前网络环境 编辑:程序博客网 时间:2024/06/07 19:14
ARIMA
标签(空格分隔): 时间序列
- ARIMA
- 理论
- 0 基本概念
- 1 平稳ARMA
- 11 一般线性过程
- 12 MAmoving average
- 121 一般MAq过程
- 13 ARAutoregressive
- 130 AR平稳性
- 14 ARMA
- 2 非平稳ARIMA
- 21 ARIMA
- 3 季节性
- 31 季节ARMA模型
- 32 乘法季节ARMA
- 33 乘法季节ARIMA
- R中的应用
1. 理论
1.0 基本概念
- 随机变量序列
{Yt:t=0,±1,±2...} 称为一个随机过程 - 自协方差函数:
γt,s=Cov(Yt,Ys) - 自相关函数:
ρt,s=γt,sγt,tγs,s√
1.1 平稳(ARMA)
最重要的假设即平稳性
平稳性的基本思想: 决定过程特性的统计规律不随着时间的变化而变化, 从一定意义上来说,过程位于统计的平衡点上。
严平稳: 对一切的时滞k 和 时间点
t1 ,…tn ,都有Yt1 ,…Ytn 与Yt1−k ,…Ytn−k 的联合分布相同弱平稳: (1)均值函数在所有时间上恒为常数
(2)γ t,t−k =γ 0,k ,对所有的时间t和时滞k在本文中,每当单独提及平稳概念时,通常指的都是弱平稳
- 对于平稳过程,自协方差函数
γt,s=γt,s=γ0,|t−s| , 只与时间间隔|t−s| 有关,而与实际时刻无关,因此,简记为:γk=γt,t−k ,ρk=ρt,t−k
1.1.1 一般线性过程
一般线性过程{
1.1.2 MA(moving average)
当有限个系数
称为
1.1.2.1 一般MA(q)过程
对于一般的
可计算得到:
1.1.3 AR(Autoregressive)
假定
称为
其中
1.1.3.0 AR平稳性
上式可用滞后算子表示为:
其中,
对于AR(P), 如果特征方程:
的所有跟的绝对值都大于1,则该过程是一个平稳过程。
1.1.4 ARMA
假定序列中的部分是自回归,部分是滑动平均,可以得到自回归滑动平均模型:
称{
1.2 非平稳(ARIMA)
具有时变均值的任何时间序列都是非平稳的,eg:
的模型(其中
1.2.1 ARIMA
如果一个时间序列{
1.3 季节性
1.3.1 季节ARMA模型
季节周期为s的Q阶季节
其季节
显然,该序列总是平稳的,且其自相关函数只在
季节周期为s的P阶季节
其季节特征多项式为:
通常要求
1.3.2 乘法季节ARMA
可以构造一类模型,它们不仅在季节滞后上包含相关性,而且在邻近序列值的更小滞后上依然包含相关性。eg:考虑一个
展开后得到
一般定义季节周期为
eg:假设
1.3.3 乘法季节ARIMA
考虑如下的时间序列
其中:
其中{
这里所定义的过程是平稳的,且只在1,s-1,s和s + 1等滞后上有非零相关性,这同季节周期为s的乘法季节模型
过程
满足某季节周期为
经验证明,这些模型足够拟合许多序列,通常模型也只要用三四个那样很少的几个参数。
2. R中的应用
- ARIMA(待续。。。)
- 话务预测(3) ARIMA
- Arima预测模型(R语言)
- Arima预测模型(R语言)
- R----简述时间序列(ARIMA)
- Arima模型注意事项(Duke university)
- R(语言)做时间序列(ARIMA)
- R(语言)做时间序列(ARIMA)的案例
- 含自变量的ARIMA模型预测(转载)
- 时序分析:ARIMA模型(非平稳时间序列)
- R学习笔记(1)——ARIMA模型
- R做时间序列(ARIMA)的案例
- 时间序列(四)ARIMA模型与差分
- ARIMA模型
- ARIMA模型
- ARIMA简介
- ARIMA模型
- ARIMA模型
- [kuangbin带你飞]专题十二 基础DP1 G - 免费馅饼(HDU 1176)
- 安装Django
- 磨刀不误砍柴工!先想好了再开干
- xml文件解析之pull解析
- 6. Spring Security AuthenticationProvider
- ARIMA(待续。。。)
- 欢迎使用CSDN-markdown编辑器
- PHP不使用递归的无限级分类
- [hihoCoder 1032]最长回文子串[Manacher]
- C# List排序
- 010ScrollView 滚动条(基础)
- 【effective java】读书笔记 序和引言
- 7. Spring Security缓存UserDetails
- hdu 5583 Kingdom of Black and White