数据分析时间序列分析概述

一.概述
1.时间序列
(1)概念:

常用按时间顺序排列的1组随机变量X1,X2...Xt来表示1个随机事件的"时间序列",简记为{Xt};或者说,时间序列是某个指标在不同时间的不同值按时间
先后顺序排成的序列.用x1,x2...xn表示该随机序列的n个有序观测值,称为序列长度为n的"观测值序列",简记为{xt,t=1,2...n}.时间序列模型也是1
种回归模型,其原理为:
①事物的发展具有延续性,利用过去时间序列的数据进行分析能推测事物的发展趋势
②充分考虑偶然因素造成的随机性,利用历史数据进行统计分析以消除随机波动的影响
其优点是:
①简单易行,便于掌握
②可充分利用原时间序列的各项数据
③计算速度快
④可动态确定模型参数
⑤精度较好,并可与其他模型相结合
而其缺点则是:
①不能反映事物的内在联系
②不能分析因素间的相关关系
③只适用于短期预测

(2)分类:

按指标数量,时间序列分为"一元时间序列"和"多元时间序列"
按时间的连续性,分为"离散时间序列"和"连续时间序列"
按统计特性是否随时间变化,分为"平稳时间序列"(不随时间变化)和"非平稳时间序列"(随时间变化).利用非平稳时间序列较难进行预测,但很多非平稳时
间序列都可转化为(近似)平稳时间序列

(3)变化形式:

1个时间序列的变化形式通常是以下几种形式的叠加与耦合:
①"长期趋势变化":变化方向确定的变化,包括上升/下降/保持着某水平上
②"循环变化"("商业循环"):周期固定的波动变化
③"季节变化":周期不固定的波动变化
④"不规则变化":没有明显规律的变化,又分为"突然变化"和"随机变化"

2.时间序列分析方法
(1)分类:

"描述性时序分析":通过直观的数据比较或绘图观测来寻找序列中蕴含的发展规律.这种方法操作简单而直观,通常是时序分析的第1步

"统计时序分析":利用统计学原理分析序列值的内在关系.又分为:
①"频域分析"(Frequency Domain Analysis)/"(频)谱分析"(Spectral Analysis):详情参见 数据分析.时间序列分析.时域分析
②"时域分析"(Time Domain Analysis):详情参见 数据分析.时间序列分析.时域分析

(2)模型类型:

①加法模型:如 y t = T t + S t + C t + R t y_t=T_t+S_t+C_t+R_t yt=Tt+St+Ct+Rt
②乘法模型:如 y t = T t ⋅ S t ⋅ C t ⋅ R t y_t=T_t\cdot S_t\cdot C_t\cdot R_t yt=Tt⋅St⋅Ct⋅Rt
③混合模型:如 y t = T t ⋅ S t + R t y_t=T_t\cdot S_t+R_t yt=Tt⋅St+Rt

(3)常见时间序列算法

3.与其他统计分析方法的区别:

①时间序列分析强调变量值顺序的重要性,而其他统计分析一般不关注变量值的顺序
②时间序列分析的各变量间存在依存关系,而其他统计分析一般要求各变量相互独立
③时间序列分析根据序列自身的变化规律来预测该序列未来的值,而其他统计分析则根据某变量与其他变量间的关系来预测该变量的值

二.时间序列的预处理

参见 数据分析.时间序列分析.时间序列的预处理

三.时间序列分析
1.平稳时间序列分析:

参见 数据分析.时间序列分析.平稳时间序列分析 部分

数据分析时间序列分析概述相关推荐

数据分析时间序列分析时间序列的预处理
一.概述 1.时间序列的预处理: 对观测值序列的纯随机性和平稳性的检测称为"时间序列的预处理",根据检测结果可将序列分为不同类型.记γ(s,t)=Cov(Xs,Xt) 2.概率分布 ...
数据分析-时间序列分析
时间序列分析和预测,举几个栗子:用优衣K在天猫的连续n年的销售数据,对双12的销售量进行预测.用阿里妈妈的站内站外媒体投放的监测数据,预估宝J在双12广告投放的效果.这些问题中数据的共同特点是序列中的 ...
数据分析时间序列分析 MA模型
一.概念具有如下结构的模型称为q阶移动平均模型(Moving Average Model of order q;MA Model of order q),记为MA(q)MA(q)MA(q):xt=μ ...
数据分析时间序列分析 AR模型
一.概念具有如下结构的模型称为p阶自回归模型(Auto Regression Model of order p;AR Model of order p),记为AR(p)AR(p)AR(p):xt=φ ...
数学建模学习笔记（15）时间序列分析
时间序列分析时间序列分析概述和数据预处理时间序列分解模型指数平滑模型 ARIMA模型 SPSS专家建模器的使用步骤时间序列分析概述和数据预处理时间序列的概念:也称为动态序列,是指将某种现象的 ...
python时间序列分析按月_利用 Python 进行时间序列分析
1. 时间序列分析概述时间序列分析在金融.气象.交通.宏观经济等诸多领域的应用可以说是非常的广泛.简单点说,时间序列就是在各个时间点上形成的数值序列,而分析的过程就是通过这些数值序列去研究其自身的变 ...
【Python数据分析】时间序列分析——AR/MA/ARMA/ARIMA
目录一.时间序列的平稳性与差分法 1.时间序列的平稳性: 2.平稳性检验 3.纯随机性检验 4.差分法二.平稳时间序列模型 1.AR模型 2.MR模型 3.ARMA模型 4.平稳时间序列建模步骤 ...
数据分析技术：时间序列分析的AR/MA/ARMA/ARIMA模型体系
基础准备前面草堂君已经按照时间序列分析的教学顺序推送了以下文章,大家可以直接点击下方文章名称阅读回顾: 数据分析技术:时间序列分析:时间是把杀猪刀: SPSS分析技术:时间序列描述:磨刀不误砍柴工, ...
大数据分析如何使用pandas进行时间序列分析
在大数据分析如何使用pandas进行时间序列分析中,我们将学习pandas库中功能强大的时间序列工具. pandas最初是为金融时间序列(例如每日股票市场价格)开发的,其强大而灵活的数据结构可应用于任 ...

数据分析时间序列分析概述

数据分析时间序列分析概述相关推荐

最新文章

热门文章

数据分析 时间序列分析 概述

数据分析 时间序列分析 概述相关推荐

最新文章

热门文章

数据分析时间序列分析概述

数据分析时间序列分析概述相关推荐