时间序列分析

最新推荐文章于 2025-06-30 11:10:23 发布

leo鱼

最新推荐文章于 2025-06-30 11:10:23 发布

阅读量1.1w

点赞数 1

CC 4.0 BY-SA版权

分类专栏：时间序列文章标签： ar ma arma arima 自相关性

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/webzjuyujun/article/details/50373585

本文详细介绍了时间序列分析中的关键概念，包括自相关性、平稳性和白噪声。深入探讨了MA、AR、ARMA模型，并重点讲解了ARIMA模型的构建。同时，还讨论了如何通过模型质量检验来评估残差的有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

自相关性

协方差矩阵和相关系数主要研究两个连续变量的相似程度（相关性）

协方差公式：

formula

协方差矩阵：

相关系数:cov(x,y)/(var(x)*var(y))

相关系数矩阵:

相关性：如果对于两个序列x和y，如果它们的相关系数[-1,1]越接近于1则他们越是正相关，月接近于-1则越是负相关

自相关性：自相关性是该序列与他的k阶滞后序列来比较相关性的

自相关图：自相关图即是ACF函数的结果图形表示，k阶滞后指的是k阶之后所要的acf值均小于0.2，即截断性。用来描述该序列与0到n阶滞后序列的相关系数的图，基本形式如下：

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。