没有合适的资源?快使用搜索试试~ 我知道了~
全称自回归移动平均模型,也记作ARIMA(p,d,q),是统计模型(statistic model)中最常见的一种用来进行时间序
需积分: 29 6 下载量 161 浏览量
2023-01-28
09:53:08
上传
评论 1
收藏 80KB PDF 举报
温馨提示
试读
2页
预测模型 RIMA模型 全称自回归移动平均模型,也记作ARIMA(p,d,q),是统计模型(statistic model)中最常见的一种用来进行时间序列 预测的模型。 优点:模型十分简单,只需要内生变量而不需要借助外生变量。 缺点: 要求时序数据是稳定的,或者通过差分化后是稳定的。 本质上只能捕捉线性关系,不能捕捉非线性关系。 注意,采用ARIMA模型预测时序数据,必须是稳定的,如果不稳定的数据,是无法捕捉到规律的。比如股票数据用ARIMA无法预测的原因就是股票数据是非稳定的,常常受政策和新闻的影响而波动。 判断时序数据是稳定的方法 定义:一个时间序列的随机变量是稳定的,当且仅当其所有统计特征都是独立于时间的(关于时间的常量)。 判断方法:稳定的数据是没有趋势没有周期性的,均值在时间轴上拥有常量的振幅,方差在时间轴上趋于同一个稳定的值。也可以使用Dickey-Fuller Test进行假设检验。 参数和数据形式 模型有三个参数:p,d,q。 p--代表预测模型中采用的时序数据本身的滞后数(lags) ,也叫做AR/Auto-Regressive项 d--代表时序数据需要进行几阶差分
资源推荐
资源详情
资源评论
预测模型 RIMA 模型
全称自回归移动平均模型,也记作 ARIMA(p,d,q),是统计模型(statistic
model)中最常见的一种用来进行时间序列 预测的模型。
优点:模型十分简单,只需要内生变量而不需要借助外生变量。
缺点:
要求时序数据是稳定的,或者通过差分化后是稳定的。
本质上只能捕捉线性关系,不能捕捉非线性关系。
注意,采用 ARIMA 模型预测时序数据,必须是稳定的,如果不稳定
的数据,是无法捕捉到规律的。比如股票数据用 ARIMA 无法预测的
原因就是股票数据是非稳定的,常常受政策和新闻的影响而波动。
判断时序数据是稳定的方法
定义:一个时间序列的随机变量是稳定的,当且仅当其所有统计特征
都是独立于时间的(关于时间的常量)。
判断方法:稳定的数据是没有趋势没有周期性的,均值在时间轴上拥
有常量的振幅,方差在时间轴上趋于同一个稳定的值。也可以使用
Dickey-Fuller Test 进行假设检验。
参数和数据形式
模型有三个参数:p,d,q。
p--代表预 测 模 型 中 采 用 的时序数据 本 身 的 滞 后 数 (lags) ,也叫 做
AR/Auto-Regressive 项
d--代表时序数据需要进行几阶差分化,才是稳定的,也叫 Integrated
资源评论
jysf98746
- 粉丝: 1221
- 资源: 149
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功