heirenmin的博客

指数平滑法是一种简单的高效的时间序列预测方法之一，简单指数平滑法只适合预测没有长期趋势和季节效应的时间序列，并且只能预测未来一期的值。对于具有长期趋势的，但是没有季节效应的时间序列，就比较适合利用Holt两参数指数平滑法来建模预测。1.模型简介Holton两参数指数平滑法适用于对含有线性趋势的序列进行修匀。他的基本结构为：2.建模步骤（1)读入时间序列（2)进行两参数指数平滑（3...

之前更新的模型都是假定方差齐性的条件，现在假定时间序列具有异方差性，那么之前的模型就不在适用。1.ARCH模型简介ARCH模型，全称为自回归条件异方差模型，有时简称条件异方差模型。该模型的构造原理如下：假设历史数据已知的情况下，零均值、纯随机序列残差序列具有异方差性：在正态分布的假定下，有：异方差等价与残差平方的均值：使用残差平方序列的自相关系数可以考虑异方差函数的自相关性。...

【包】library(zoo) #时间格式预处理library(xts) #同上library(timeSeires) #同上library(urca) #进行单位根检验library(tseries) #arma模型library(fUnitRoots) #进行单位根检验library...

误差修正模型通常作为协整模型的补充模型出现。协整模型度量解释的是序列间的长期关系，而误差修正模型解释的是序列之间的短期关系。1.模型简介误差修正模型，简称ECM模型，构造原理如下：假设非平稳响应序列{yt}与非平稳输入序列{xt}之间具有协整关系，即：则回归残差序列为平稳序列：在第一个式子前同时减去yt-1，则有：将上面的式子整理一下得到：上式就是ECM 模型的表达式，说明误...

疏系数模型是ARIMA模型的一种特殊情况，原来ARIMA模型中有一部分系数缺失了，那么这个模型就是疏系数模型。1.模型简介如果是自回归部分有缺失的系数，那么该疏系数模型就可以记为：ARIMA((p1,…pm),d,q)如果只是是移动平均部分有缺失的系数，那么该疏系数模型就可以简记为：ARIMA（p,d,(q1,…1n))如果自回归和移动平均部分都有系数缺失的话，该模型就可以简记为：A...

时间序列经常将非平稳时间序列分解为趋势部分，季节因素部分和随机部分，可以表示为：这里的Tt为长期趋势拟合，St为季节效应拟合。残差自回归是回归模型与ARMA模型的组合模型，由于回归模型对时间序列进行拟合是，序列中包含的信息可能不太充分，在拟合回归模型之后对其残差序列进行自相关性检验，若残差序列具有明显的自相关性，那么就需要对残差序列进行拟合。１．利用时间序列拟合回归模型对时间序列的趋势效...

在现实生活中，有些序列自身的变化虽然是非平稳的，但序列和序列之间却有着非常密切的长期均衡关系。比如农村家庭人均纯收入对数序列和人均生活消费支出对数序列，单整分析两个序列都是非平稳的，但是他们之间都有很强的相关性。这就可以建立协整模型对序列进行分析处理。1.模型简介假定自变量序列{X1},{x2},…{xk},响应变量序列为{yt},构造回归模型：假定回归残差序列平稳，我们就称响应序列与自...

1.模型简介季节加法模型是指序列中季节效应和其他效应之间是加法关系，可以表示为：这时，各种效应信息的提取都非常容易。通常简单的周期步长差分即可将序列中的季节信息提取完毕，提取季节信息和趋势信息之后的残差序列就是一个平稳序列，可以用ARMA模型进行拟合。所以简单季节模型实际上就是通过趋势差分、季节差分将序列将序列转化为平稳序列，再对其进行拟合。它的模型结构通常如下：式中2.建模过程（...

1.模型简介ARIMA模型，全称差分自回归移动平均模型。可以看作是差分运算和ARMA模型的结合。主要是针对具有线性趋势的非平稳的时间序列，来进行建模预测。ARIMA模型的形式如下：Φ(B)∇

新手一枚，和大家一起学习R，以后基本每周都会更新1到2篇关于数据预测处理的模型和方法，希望和大家一起学习，一起成长。本周首先更新的是用R来实现ARMA模型。时间序列的模型，基本上都要建立在平稳的序列上，这里我们将来了解下ARIMA模型，以及其实现的R代码。　　ARMA（p,q)模型，全称移动平均自回归模型，它是由自回归（AR）部分和移动平均（MA）部分组成的，所以称之为ARMA模型。进行AR...

1.模型简介对于平稳多元时间序列建模的思想是：假定响应序列{yt}和输入序列{x1t},{x2t},…,{xkt}均平稳，首先构造响应序列和输入序列的回归模型：因为响应序列和输入序列皆是平稳序列，那么其残差序列也是平稳序列：上述模型称为动态回归模型，简记ARIMAX.2.建模步骤（1）读入数据，并绘制其时序图，并判断其平稳性（2）绘制其输出序列自相关图，偏自相关图，并利用其自相关图...