时间序列预测技术就是通过对预测目标自身时间序列的处理,来研究其变化趋势的。一个时间序列往往是以下几类变化形 式的叠加或耦合。
(1)长期趋势变动:是指时间序列朝着一定的方向持续上升或下降,或停留在某一水平上的倾向,它反映了客观事物的主要 变化趋势;
(2)季节变动:是指季度或月度的周期变化;
(3)循环变动:通常是指周期为一年以上,由非季节因素引起的涨落起伏波形相似的波动;
(4)不规则变动:通常它分为突然变动和随机变动。
如图所示,黑色的曲线代表时间序列的原始取值,而根据原始序列的时间走势就能确定该时间序列的长期趋势变动。而很 多行业都是存在季节性变动的趋势的。比如,运输行业、风力发电行业。又比如,水果和蔬菜价格等。而循环趋势也成为 周期趋势。比如经济周期趋势。相对而言,循环和季节性趋势是原始序列中较为稳健的趋势变动。而无规则的随机趋势是 难以进行预测的,且波动较大。因此,对于时间序列的拆分,通常是将较为稳健的长期循环以及季节性趋势拆分出来,而 不考虑随机趋势的影响。
1.自回归模型AR(n)
2.移动平均模型MA(m)
3.自回归移动平均模型
4.平稳时间序列的模型识别
1.差分运算
2.差分方式的选择
1.时间序列AR(p)模型,其中p指的是? A. 时间序列的自相关系数是p阶截尾的 B. 时间序列的自相关系数是p阶拖尾的 C. 时间序列的偏相关系数是p阶截尾的 D. 时间序列的偏相关系数是p阶拖尾的 答案:C 解析:考核如何通过观察ACF和PACF图形,确定AR模型和MA的类型和滞后阶数,本题要求对模型参数和概念要熟知。
数据分析咨询请扫描二维码