时间序列分析复习 01 引论
注:本文仅用于个人学习笔记,内容均来自其他博客和PPT。
文章目录
- 引论
- 时间序列的起源与发展史
- 时间序列的定义
- 时间序列举例
- 时间序列建模策略
- 时间序列分析的目的
- 金融时间序列分析的应用
引论
时间序列的起源与发展史
起源:最早的时间序列分析可以追溯到 7000 年前的古埃及。古埃及人把尼罗河涨落的情况逐天记录下来,从而构成一个时间序列。对这个时间序列长期的观察使他们发现尼罗河的涨落非常有规律,由于掌握了涨落的规律,古埃及的农业迅速发展。这种从观测序列得到直观规律的方法即为描述性分析方法。
一般地,人们认为现代时间序列分析起源于英国统计学家 G.u.Yule 在 1927 年提出的 AR(Auto Regressive,自回归)模型。该模型与英国统计学家 G.T.Walker 在 1931 年提出了 MA(Moving Average,移动平均)模型和 ARMA 模型,构成了时间序列分析的基础,至今仍被大量应用。这三个模型主要应用于单变量、同方差场合的平稳序列。
自回归模型(英语:Autoregressive model,简称AR模型),是统计上一种处理时间序列的方法,用同一变数,例如x的之前各期,亦即 x 1 x_1 x1至 x t − 1 x_{t-1} xt−1来预测本期 x t x_t xt的表现,并假设它们为线性关系。因为这是从回归分析中的线性回归发展而来,只是不用x预测y,而是用x预测x(自己);所以叫做自回归。
移动平均模型(MA模型) 不是在回归中使用预测变量的过去值,而是在类似回归的模型中使用过去的预测误差,可以被认为是过去几个预测误差的加权移动平均值。
自回归滑动平均模型(英语:Autoregressive moving average model,简称:ARMA模型)。是研究时间序列的重要方法,由自回归模型(简称AR模型)与移动平均模型(简称MA模型)为基础“混合”构成。
其后,Box 和 Jenkins 在 1927 年出版的 Time Series Analysis: Forecasting and Control 被认为是时间序列分析发展的里程碑。该书为实际工作者提供了对时间序列进行分析、预测以及对 ARIMA 模型识别、估计和诊断的系统方法。ARIMA 模型也被称为 Box-Jenkins 模型,主要应用于单变量、同方差场合的线性模型。该模型可以处理非平稳序列,主要思想是先对非平稳序列进行差分,使之变为平稳序列,然后再用 ARMA 模型来拟合差分后的序列。
前面所述的 AR 模型、MA 模型、ARMA 模型和 ARIMA 模型都要求时间序列为单变量、同方差的线性模型。随着时间序列分析理论的发展,人们发现这些假设在一些情形下并不成立,例如 Moran(1953)对加拿大山猫数据的建模过程中发现数据中的怪异特征,即大于均值的样本点的残差显著地小于那些小于均值的样本点的残差。因此,人们越来越关心异方差、多变量、非线性的时间序列。
时间序列的定义
涉及到随机过程,后面一节会讲到。
时间序列举例
参考教材上的例子
时间序列建模策略
三个可以反复使用的主要步骤:模型识别(辨识)、模型拟合、模型诊断;
时间序列分析的目的
- 揭示支配观测到的时间序列的随即规律;
- 通过所了解的这个随机规律,预测未来的事件;
- 通过干预来控制将来事件;
金融时间序列分析的应用
金融时间序列分析考虑的是金融变量(比如投资品收益率)随时间演变的理论和实践。任何金融时间序列都包含不确定因素,因此统计学的理论和方法在金融时间序列分析中至关重要。金融资产的时间序列常被看作是未知随机变量序列随时间变化的一个实现。通常假设该随机变量序列仅在时间轴上的离散点有定义,则该随机变量序列就是一个离散随机过程。比如股票的日收益率就是离散的时间序列。
参考:
【1】时间序列分析发展史 博客 https://www.cnblogs.com/super-zhang-828/p/7102931.html
【2】时间序列分析与应用 机械工业出版社
【3】https://zhuanlan.zhihu.com/p/38320827
时间序列分析复习 01 引论相关推荐
- 当一个序列满足对于任意的前 项和都满足不小于_时间序列分析第01讲--平稳序列(基本概念,线性平稳序列)...
第一章 平稳序列 1.1平稳序列基本概念 无论是从原序列中把趋势项去掉得到的随机波动项,还是用随机差分后得到残差序列,都会存在一种现象:随机项会沿着水平值波动,并且前后之间具有相关性,与独立序列不同. ...
- 时间序列分析——基于R 王燕 版本 复习整理
目录 1.时间序列分析 时间序列的定义: 两种时间序列的分析方法: (1)描述性时序分析 (2)统计时序分析 2.时间序列的预处理 平稳性检验 纯随机性检验(白噪声检验) 3.平稳时间序列分析 方法性 ...
- 【组队学习】【30期】时间序列分析
时间序列分析 航路开辟者:李岳昆.易远哲 领航员:王洲烽 航海士:李岳昆.易远哲 基本信息 开源内容:https://github.com/datawhalechina/team-learning-d ...
- 时间序列分析及应用r语言pdf_R语言:时间序列经典分析法(二)
题记:本文是个人的读书笔记,仅用于学习交流使用.本文将深入研究时间序列技术. 01 解决什么问题? 前面一章,介绍了时间序列中涉及到的基本概念,本章将在此基础上介绍如何对时间序列的资料进行分析,怎么选 ...
- 语言时间序列年月日_R语言系列 时间序列分析
[免责声明:本文用于教学] 时间序列分析 基础操作 数据输入 d <- c(10,15,10,10,12,10,7,7,10,14,8,17,14,18,3,9,11,10,6,12,14,10 ...
- 【机器学习】交通数据的时间序列分析和预测实战
今天又给大家带来一篇实战案例,本案例旨在运用之前学习的时间序列分析和预测基础理论知识,用一个实际案例数据演示这些方法是如何被应用的. 本文较长,建议收藏!由于篇幅限制,文内精简了部分代码,但不影响阅读 ...
- 时间序列分析(6)| DF检验
单位根过程是特征方程含有单位根的数据序列,如随机游走模型就是一个单位根过程,它的特征方程为,其根为.检验数据序列是否存在单位根的方法是DF检验. 1 随机游走过程的自相关系数 1.1 理论推导 若,其 ...
- ARIMA时间序列分析
简介 ARIMA算法流程步骤(算法数学推导自行查阅相关论文),本文只讲工程技术和方法. 参考文章 标题:ARIMA模型 地址:http://wiki.mbalib.com/wiki/ARIMA%E6% ...
- R语言入门(1)时间序列分析
时间序列分析 使用软件为Rstudio,参考CRAN中时间序列分析分析函数和package,拿手上的数据练习一下时间序列分析. 1.原始数据说明 选择连续9天的数据,共2025条,时间间隔为5分钟.具 ...
最新文章
- php mysql预处理_php mysqli扩展之预处理
- RepositoryBase文件解析
- php变量名当文件命_php基础教程 第二步 通俗易懂的学习变量、常量与数据类型...
- 【转】Ubuntu VI基本用法
- Python——[Anaconda+Jupyter Notebook+Python3.6]环境下安装face_recognition
- 为什么python提示没有clock_python – 为什么time.clock比time.time给出更长的时间?
- 程序员有成立工会的理由吗?
- cxf wsdl2java wsdl_通过cxf 包的 wsdl2java 生成客户端 测试webservice
- python写webservice接口_Python开发WebService系列教程之REST,web.py,eurasia,Django
- .Net读取Excel(包括Excel2007)
- 机器学习-学习笔记3.1-局部加权回归
- MT7621路由器芯片/处理器参数介绍
- Vue的axios封装
- 2023四川大学计算机考研信息汇总
- mysql复合索引(联合索引)的使用场景
- 说说org.json.JSONObject功能和源码(二)
- Netbackup for sap 7.0学习之七:使用nbu进行sap系统的灾难恢复测试
- 单片机与树莓派蓝牙连接_用树莓派玩转蓝牙
- java结账_java 基础程序之商场结账管理
- APP Store上架QA注意事项