时间序列思维导图

时间序列分析的方法

聚焦于趋势和季节变化

时间序列预测模型

时间序列平稳性

时间序列的平稳性是时间序列分析中的一个重要概念。一个时间序列如果是平稳的，意味着其统计性质（如均值、方差、自相关等）不随时间变化。
平稳性意义在于简化模型，方便预测

时间序列平稳性评估ACF和PACF

主要看ACF和PACF的误差是否超过置信区间，如果没有超过这可以判断时间序列的预测可以接受

差分方程

把时间序列变量转换为该变量的滞后项y，时间常数和扰动项e(测量误差)
隔开若干个数据来看，将非平稳时间序列变为平稳，

AR-p 自回归模型

从滞后项的角度将当前序列值表示为前p个序列值与扰动项之和

MA-q 移动平均模型

从扰动项的角度将当前序列值表示为前q个扰动项之和

ARMA-pq

结合了扰动项和序列项两个角度

ARIMA时间序列预测模型

p代表当前序列值的前p个滞后项
q代表当前序列值的前q个扰动项
d代表将当前序列值d次差分后的结果