数据分析技术:时间序列分析的AR/MA/ARMA/ARIMA模型体系

Question

如题所述

Answer 1

1、因为传统时间序列分析技术（时间序列分解法）的缺陷，所以统计学家开发出更为通用的时间序列分析方法，其中AR/MA/ARMA/ARIMA在这个发展过程中扮演了非常重要的角色，直到现在，它们都在实际工作生活中发挥重要作用。
2、时间序列是指一组在连续时间上测得的数据，其在数学上的定义是一组向量x(t)，t=0，1，2，3，...，其中t表示数据所在的时间点，x(t)是一组按时间顺序(测得)排列的随机变量。
3、ARIMA模型是针对非平稳时间序列建模。换句话说，非平稳时间序列要建立ARMA模型，首先需要经过差分转化为平稳时间序列，然后建立ARMA模型。ARIMA模型的原理。正如前面介绍，ARIMA模型实际上是AR模型和MA模型的组合。
4、运用对象不同AR，MA，ARMA都是运用于原始数据是平稳的时间序列。ARIMA运用于原始数据差分后是平稳的时间序列。时间序列不同AR(自回归模型)，AR(p)，p阶的自回归模型。
5、显然，ARMA模型描述的是一个时不变的线性系统。？具有AR阶数p和MA阶数Q的ARMA过程常记作用ARMA（p，q）。ARIMA模型，差分自回归滑动平均模型（滑动也译作移动），又称求合自回归滑动平均模型，时间序列预测分析方法之一。