本文探讨了时间序列分析中的关键概念，包括ARIMA模型是否需要差分、季节性差分的周期步长选择、时间序列分解法的应用，以及X-11过程在消除季节成分中的作用。此外，还阐述了季节与周期的区别，AR模型的残差序列性质，以及GARCH模型的限制条件和假设。对于AR-GARCH模型，其关注的是自回归残差序列的置信区间。
1. ARMA模型有用到差分吗？
没有。ARMA是平稳序列的拟合模型，如果用差分说明原来的序列不平稳。
2. ARIMA模型对季节成分差分如何选择周期步长？
依据所给数据的结构，差分的周期步长就是对应同一季度的两个相邻数据的间隔。如果是季度数据，即每季度的观察值，则选择4步差分；如果是月度数据，则选择12步差分。
3. 季节性预测方法-时间序列分解法？
《【季节性预测法 - 时间序列分解法】利用excel进行复合型时间序列的分解预测》：
https://blog.youkuaiyun.com/weixin_40159138/article/details/90603344
这篇文章默认是乘法模型了。
4. X-11过程
《王燕时间序列课本_季节效应分析与X11过程简介》：
https://wenku.baidu.com/view/9df910d33186bceb19e8bb47.html?rec_flag=default
步骤很全，但文字描述太少。不明白为什么用周期移动平均消除趋势，我认为应该是周期移动平均消除的周期。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
