时间序列1 平稳
2018-03-22 00:33
344 查看
构成要素:长期趋势,季节变动,循环变动,不规则变动
时间数列的组合模型
1 加法模型:Y=T+S+C+I (Y,T 计量单位相同的总量指标)(S,C,I 对长期趋势产生的或正或负的偏差)
2 乘法模型:Y=T·S·C·I(常用模型) (Y,T 计量单位相同的总量指标)(S,C,I 对原数列指标增加或减少的百分比)
平稳序列 1.如何理解平稳?
我们对数据进行研究、分析、建模并得到结论和规律,并以此做预测。 我们希望这些结论(在期望预测的时间内)是不随时间变化的==》即平稳的,这样我们的分析预测才有意义。
2. 判断平稳的条件 版本1
均值 方差常数 协方差只和时间间隔有关
版本2 严平稳:认为只有所有统计性质都不随时间迁移的序列才是平稳的 判断:随机过程xt的有限维分布F(t)=F(t+k)
宽平稳:认为统计性质由低阶矩决定,所以二阶矩平稳则序列平稳
判断:对于二阶矩存在的随机过程xt,若均值为常数,协方差只和时间间隔有关(方差为常数)
严+二阶矩存在 -》宽(证明均值和协方差)
宽+正态 -》 严 (多元正态性质)
时间数列的组合模型
1 加法模型:Y=T+S+C+I (Y,T 计量单位相同的总量指标)(S,C,I 对长期趋势产生的或正或负的偏差)
2 乘法模型:Y=T·S·C·I(常用模型) (Y,T 计量单位相同的总量指标)(S,C,I 对原数列指标增加或减少的百分比)
平稳序列 1.如何理解平稳?
我们对数据进行研究、分析、建模并得到结论和规律,并以此做预测。 我们希望这些结论(在期望预测的时间内)是不随时间变化的==》即平稳的,这样我们的分析预测才有意义。
2. 判断平稳的条件 版本1
均值 方差常数 协方差只和时间间隔有关
版本2 严平稳:认为只有所有统计性质都不随时间迁移的序列才是平稳的 判断:随机过程xt的有限维分布F(t)=F(t+k)
宽平稳:认为统计性质由低阶矩决定,所以二阶矩平稳则序列平稳
判断:对于二阶矩存在的随机过程xt,若均值为常数,协方差只和时间间隔有关(方差为常数)
严+二阶矩存在 -》宽(证明均值和协方差)
宽+正态 -》 严 (多元正态性质)
相关文章推荐
- 非平稳时间序列及建模
- 平稳时间序列建模方法
- 平稳的时间序列模型
- 时间序列 平稳模型(二)
- 时间序列分析(一) 如何判断序列是否平稳
- 基于Python的ADF单位根检验方法——时间序列平稳检验
- 平稳时间序列
- 时序分析:ARIMA模型(非平稳时间序列)
- 平稳时间序列参数估计
- 平稳时间序列预测
- [时间序列分析][5]--非平稳时间序列模型与差分
- 时间序列学习笔记(2)平稳性
- 时间序列分析——如何判断序列是否平稳
- 时间序列分析这件小事(六)--非平稳时间序列与差分
- 非平稳时间序列的分解
- 时间序列分析(一) 如何判断序列是否平稳
- 非平稳时间序列确定性因素分解
- 第二章平稳时间序列模型——ACF和PACF和样本ACF/PACF
- 非平稳时间序列趋势分析
- 非平稳时间序列综合分析