ARIMA 时间序列1: 差分、ACF和PACF分析

ARIMA

ARIMA(p，d，q)模型的完整名称为差分自回归移动平均模型
(Autoregressive Integrated Moving Average Model, 简称为ARIMA)。

该模型由三个核心部分构成，分别是自回归（AR）、差分（I）以及移动平均（MA）。

关于趋势参数的定义如下：

• p：表示用于趋势分析的自回归部分的阶数。
• d：代表实现序列平稳化所需的差分阶数。
• q：指明在趋势预测中所采用的移动平均部分的阶数。

ACF 与 PACF

自相关函数ACF（autocorrelation function）

偏自相关函数PACF（partial autocorrelation function）

• 自相关函数ACF在计算过程中还考虑了其他因素的干扰作用
• 偏自相关系数PACF则仅反映两个变量之间直接存在的关联程度
• ARIMA(p，d，q)模型的参数阶数判定：

• 对于AR(p)模型，应参考PACF进行分析；而对于MA(q)模型，则需借助ACF进行判断。

![在这里插入图片描