时间序列笔记(四)
2017-11-26 17:29
148 查看
拿到数据后,通过平稳性与随机性判断之后如何处理
方法性工具
ARMA模型
平稳序列建模
序列预测
方法性工具:差分运算,延迟算子,线性差分方程
差分运算:
延迟算子:p表示延迟的时间尺度
B不是常数,它是一个延迟算子,具有四则运算的一些性质
线性差分方程:往往先求齐次,然后再往非齐次上推倒
ARMA模型的性质
AR模型
MA模型
ARMA模型
保证最高项t-p前系数不为零
不同时期残差相关性为零
假设平稳有最后表达式变形
(1)(3)平稳时间序列
(2)(4)非平稳时间序列
假设知道内在关系AR1
不同序数值呈现不同的平稳状态,例AR(1),AR(2)
中心化后,均值都为0
模型1,有可能平稳
模型2,不可能平稳,这个由公式展开得出可能性
有方差可以看是否平稳,但有可能相加为1,是平稳。>,越来越远,<慢慢减弱
B就是自回归序数
单位圆就是用B与1做对比
例:模型(1)特征根是0.8
平稳AR的统计相关属性////////////////////////////////////////////////////////数学推理//////////////////////////////////////
Green是为了解释AR的相关性质
只能针对平稳的AR,因为方程相同
方法性工具
ARMA模型
平稳序列建模
序列预测
方法性工具:差分运算,延迟算子,线性差分方程
差分运算:
延迟算子:p表示延迟的时间尺度
B不是常数,它是一个延迟算子,具有四则运算的一些性质
线性差分方程:往往先求齐次,然后再往非齐次上推倒
ARMA模型的性质
AR模型
MA模型
ARMA模型
保证最高项t-p前系数不为零
不同时期残差相关性为零
假设平稳有最后表达式变形
(1)(3)平稳时间序列
(2)(4)非平稳时间序列
假设知道内在关系AR1
不同序数值呈现不同的平稳状态,例AR(1),AR(2)
中心化后,均值都为0
模型1,有可能平稳
模型2,不可能平稳,这个由公式展开得出可能性
有方差可以看是否平稳,但有可能相加为1,是平稳。>,越来越远,<慢慢减弱
B就是自回归序数
单位圆就是用B与1做对比
例:模型(1)特征根是0.8
平稳AR的统计相关属性////////////////////////////////////////////////////////数学推理//////////////////////////////////////
Green是为了解释AR的相关性质
只能针对平稳的AR,因为方程相同
相关文章推荐
- Nilearn学习笔记2-从FMRI数据到时间序列
- JFreeChart笔记 (九) 时间序列图:显示多重时间标签文字
- JFreeChart笔记 (十) 时间序列图:差异对比图
- 时间序列笔记(七)
- 信号与系统学习笔记1——离散时间复指数序列的周期性质
- 时间序列笔记(三)
- 时间序列模型学习笔记(二)
- 时间序列学习笔记
- 时间序列学习笔记(2)平稳性
- 时间序列笔记(一)
- R语言与时间序列学习笔记(2)
- 《利用Python进行数据分析》笔记---第10章时间序列
- 时间序列分析笔记(待整理)
- 应用时间序列分析(王燕)学习笔记2
- JFreeChart笔记 (二) 时间序列图:基本时间序列图
- R语言与时间序列学习笔记(1)
- JFreeChart笔记 (四) 时间序列图:自动定位时间点
- JFreeChart笔记 (三) 时间序列图:设置图表显示属性
- 应用时间序列分析(王燕)学习笔记1
- 卷积神经网络在图像、语言、时间序列的的应用——笔记