day6:时间序列模型
预备知识
1.什么是时间序列?
将同一统计指标的数值按照发生的时间顺序排列而成的数列
2.两种平稳
严平稳:序列所有的统计性质不会随着时间的推移而发生变化
式子表示:
宽平稳:保证序列低阶矩的平稳性
意义:1.极大减少了随机变量的个数,增加了待估变量的样本容量2.对历史数据进行参数估计结果比较稳定,可以直接用于对未来时序数据的预测(简化难度,提高精度)
3.白噪声(随机序列)定义
序列里的任两个数没有信息传递,这样就称为随机序列
4.拖尾与截尾
拖尾即自相关系数图单调收敛到零(matlab:autocorr)
截尾即偏自相关系数图突然收敛到零(matlab:parcorr)
补充:截尾与模型中的阶数相等
时间序列建模步骤
流程图
第一步:平稳性检验及白噪声检验
平稳性检验
方法一:时序图(随着时间而改变)
平稳序列的时序图应该是在一个常数值附近随机波动,而且波动的范围有界,无明显趋势及周期
简而言之:无趋势,无周期,在一常数值附件有界的随机波动
matlab:调用reshape即可画出
方法二:自相关图检验
平稳序列通常具有短期相关性。利用该性质说明随着延迟期数的增加,平稳序列的自相关系数会很快地趋向于零。
matlab:调用autocoor函数画出自相关图
非平稳如何变成平稳时间序列?
通过步差分消周期,阶差分消趋势
白噪声检验(只有通过了平稳性检验才能进行白噪声检验)
方法:假设检验:
α一般为0.05.
在matlab中使用lbtest即可完成检验
sas完整代码:
第二步:模型识别
AR模型
MA模型
ARMA模型
总结:
第三步:参数估计
sas或者matlab解决
第四步:模型检验(显著性检验)
对残差进行白噪声检验
第五步:预测
带入模型