<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Chlo1997的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Chlo1997</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Chlo1997]]></copyright><item><title><![CDATA[时间序列分析预测——学习笔记（二）]]></title><link>https://blog.youkuaiyun.com/Chlo1997/article/details/104764291</link><guid>https://blog.youkuaiyun.com/Chlo1997/article/details/104764291</guid><author>Chlo1997</author><pubDate>Tue, 10 Mar 2020 23:04:51 +0800</pubDate><description><![CDATA[这篇主要介绍ARIMA模型，关于其各参数意义和建模过程。
ARIMA(p,d,q)中包含三个参数，p表示自相关的项数，d表示差分的阶数，q表示移动平均项数
AR、MA、ARMA模型
AR模型：自回归模型。用之前各期值预测当前值，即用X1~Xt-1预测Xt。由于不存在y，所以是用自己预测自己，因此称为自相关。
MA模型：移动平均模型。即过去几期白噪音对当前值的影响。
ARMA模型：自回归移动平均模型...]]></description><category></category></item><item><title><![CDATA[时间序列分析预测——学习笔记（一）]]></title><link>https://blog.youkuaiyun.com/Chlo1997/article/details/104634366</link><guid>https://blog.youkuaiyun.com/Chlo1997/article/details/104634366</guid><author>Chlo1997</author><pubDate>Tue, 03 Mar 2020 20:53:42 +0800</pubDate><description><![CDATA[一、时间序列的分类
时间序列的数据分为平稳序列和非平稳序列。平稳序列即基本上不存在趋势或随季节波动的序列，其波动可看作是随机的。非平稳序列则是包含趋势、季节性或周期性的序列，可能包含所有成分也可能只包含一种。
（一）平稳序列的分析模型
对于平稳序列，主要有三种分析模型，其中移动平均法和指数平滑法能起到预测作用，而Random Walk主要用于确认观察值与预测值之间的误差是随机的，如果误差不随机那么...]]></description><category></category></item></channel></rss>