时间序列概念及主要模型(白噪声,AR, MA, ARMA, ARIMA) |
您所在的位置:网站首页 › 自回归模型公式 › 时间序列概念及主要模型(白噪声,AR, MA, ARMA, ARIMA) |
时间序列分析 时间序列是按照时间顺序,按照一定时间间隔取得的一系列观测值 怎样做时间序列分析 时间序列分析尝试找出序列值在过去呈现的特征模式,假定这种模式在未来能够持续,进而对未来进行预测 时间序列基本特征:趋势性,序列相关性,随机性 时间序列模型预测方法:算术平均法,移动平均法,加权移动平均法,指数平滑法,自回归法和移动平均法(ARIMA) ARIMA模型优点:信息浪费最少,集趋势性,相关性和随机性于一身 时间序列三大特征 序列相关性 – 自相关系数(ACF):用来度量同一事件在不同时期之间的相关程度 – 偏自相关系数(PACF):度量去除中间变量影响后的相关程度 趋势性 随机性
|
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |