机器学习;时间序列模型

文章目录

核心概念

详细阐述

• 2. 常见模型

  • 2.1 基于自身历史数据的预测模型（AR）
  • 2.2 仅依赖过去误差项统计规律的模型（MA）
  • 2.3 综合考虑自回归与移动平均效应的复合模型（ARMA）
  • 2.4 通过差分消除非平稳性后再应用ARMA方法构建的扩展模型（ARIMA）

• 4. 建模流程

• • 4.1 平稳性检验
    • • 4.1.1 时间序列分布情况
      • 4.1.2 分别绘制的自回归系数与移动平均参数对应的函数曲线
      • 4.1.3 运用统计方法对时间序列数据进行显著性水平分析
      • 4.1.4 对非平稳时间序列数据执行差分处理

    • 4.2 白噪声检验

    • 4.3 模型选择（p,q,d）

    • • 4.3.1 AIC与BIC
      • 4.3.2 模型稳定性检验

    • 4.4 模型预测