加载中
非平稳时间序列及建模

#差分运算 #差分示例 #ARIMA模型 #Box-Jenkins建模流程 #案例 实际上我们经常会遇到一些非平稳时间序列,往往会呈现明显的趋势性或周期性,可以通过适当差分等手段,将它化为平稳时间序列,再...

2017/11/13 10:50
941
ARMA模型识别

#ARMA(p,q)模型的定阶主要参考以下指标 #自相关函数(ACF) #偏自相关系数(PACF) #信息准则(AIC/BIC) #ARMA模型识别—ACF和PACF ARMA(p,q)模型的定阶主要参考以下指标: 自相关函数(ACF)衡量...

2017/11/13 10:50
1.6K
平稳的时间序列模型

自回归模型AR(p)(Auto Regressive Model) 假设时间序列 Xt 仅与 Xt-1,Xt-2,…,Xt-p有线性关系,而在Xt-1,Xt-2,…,Xt-p已知条件下,Xt与Xt-j ( j = p+1,p+2,…)无关 εt 是一个独立于Xt-1,...

2017/11/13 10:50
51
常用时间序列分析方法

#平滑法 #滑动平均法 #霍尔特指数平滑法 #霍尔特-温特指数平滑法 #平滑法应用场景 #平滑法之移动平均法 #简单移动平滑(Single Moving Average) #指数平滑(Exponential Moving Average) ...

2017/11/13 10:50
1.5K
平稳性检验和白噪声检验

#平稳性检验 — 单位根检验 #白噪声 #白噪声检验 平稳性检验 — 单位根检验 即原假设为:序列至少存在一个单位根 备择假设为:没有一个单位根 若,则不能拒绝原假设,即存在单位根,序列非平稳 ...

2017/11/13 10:50
1.8K
平稳时间序列

平稳时间序列 如果一个时间序列的概率分布与时间 t 无关,则称该序列为严格平稳时间序列,通常情况下,时间序列数据的概率分布很难获取与计算,实际中讨论的平稳时间序列主要是指宽平稳 宽平稳...

2017/11/13 10:50
26
时间序列分析

什么是时间序列 时间序列是按照时间顺序,按照一定的时间间隔取得的一系列观测值, 间隔可以是日,周,月,季度,年等 示例:国内生产总值,利率,汇率,股票价格 分析时间序列的方法构成数据...

2017/11/13 10:49
199
ARIMA的自动预测

auto.arima() 在指数预测模型中,通过 forecast() 包中的 ets() 函数实现最优化指数模型的自动选取。 类似地,这一程序包中 auto.arima() 函数也可以实现最优ARIMA模型的自动选取 ARIMA自动预...

2017/11/07 09:04
679
预测

aotu如果模型残差不满足正态性假设或零自相关系数假设,则需要调整模型、增加参数或改变差分次数,当我们选定模型后,就可以用它来做预测 #用forecast包中forecast()来实现预测3年的数据 > ...

2017/11/07 09:03
290
模型评价

一般来说,一个模型如果合适, a、那模型的残差应该满足均值为0的正态分布, b、并且对于任意滞后阶数,残差自相关系数都应该为零,换句话说,模型的残差应该满足独立正态分布(即残差间没有...

2017/11/07 09:03
42
拟合模型

arima() 使用arima()函数拟合模型,表达式为 arima(ts,order=c(p,d,q)) #ts为序列,oredr后面为模型ARMIA(p,d,q)的值 拟合模型 注意这里指定了 d =1 即函数对序列做了一阶差分,因此可以将 ...

2017/11/07 09:03
56
选择模型

在验证序列平稳后,需要为 ARIMA 模型指定参数 p、d和q,从前文可得到 d = 1 通过ACF图和PACF图来选择备选模型 #如效果图1 > par(mfrow=c(2,1)) > Acf(dNile) #forecast包中的Acf()用于为A...

2017/11/07 09:03
52
验证平稳性

以Nile序列拟合ARIMA模型为案例分析 验证序列的平稳性 验证平稳性的思路 1、平稳性一般通过时序图直观判断,或者通过ADF(Augmented Dickey-Fuller)统计检验来验证平稳性假定 a1、R中 tserie...

2017/11/07 09:02
444
ARMA和ARIMA模型

ARMA模型 在一个 p 阶自回归模型中,序列中的每一个值都可以用它之前的 p 个值的线性组合来表示 :时序中的任一观测值 μ:是序列的均值 β:权重 :随机扰动项 在一个 q 阶移动平均模型中,...

2017/11/07 09:01
713
概念介绍

ARIMA预测模型 a、在ARIMA预测模型中,预测值表示为由最近的真实值和最近的预测误差组成的线性函数,本章只讨论对非季节性时序建立 ARIMA模型的问题 b、ARIMA模型中,主要用于拟合具有 平稳性...

2017/11/07 09:01
93
ets( )函数和自动预测

ets() ets()函数还可以拟合有可乘项的指数模型,加入抑制因子(dampening component)以及自动化预测 之前对AirPassengers时序做对数变换后拟合出了可加指数模型。类似地,假定趋势项可加,但季...

2017/11/07 09:01
770
Holt指数平滑和Holt-Winters指数平滑

Holt指数平滑 可以对水平项和趋势项(斜率)的时序进行拟合,时刻 t 的观测值可表示为 拟合出来的结果 a、平滑参数α(alpha)控制水平的指数型下降,beta控制斜率的指数型下降 b、两个参数的有...

2017/11/07 09:01
528
单指数平滑

单指数平滑 单指数平滑根据现有的时序值的加权平均对未来值做短期预测,其中权数选择的宗旨是使得距离现在越远的观测值对平均数的影响越小 单指数平滑模型假定时序中的观测值可被表示为: 在...

2017/11/07 08:58
179
指数预测模型

指数模型的介绍 短期预测能力较好 a、单指数模型(simple/single exponential model) 拟合的是只有常数水平项和时间点 i 处随即项 的时间序列,认为时序不存在趋势项和季节效应 b、双指模型...

2017/11/07 08:58
327
时序平滑化处理

通过简单移动平均进行平滑处理 时序数据中通常有很明显的随机或误差成分,为了辨明数据中的规律,画出一条平滑曲线,该曲线消除或者减弱时序中不规则和其他变动,呈现现象的 长期趋势,最简单...

2017/11/07 08:57
821

没有更多内容

加载失败,请刷新页面

返回顶部
顶部