時間序列分析

時間序列資料分為平穩（寬平穩）和非平穩兩種。平穩序列中也包括隨機序列，即序列資料之間沒有任何相關性或記憶性，純隨機的，這種序列沒有挖掘分析的必要。

純隨機序列也稱為白雜訊序列。序列中的隨機變數之間的相關係數r(k)=0,k不為 0

經過預處理若發現序列是平穩非隨機序列，則可用的模型為arma。ar模型是常用的平穩序列的擬合模型之一，但是並非所有的ar模型都是平穩的。

非平穩序列分為確定性時序、非確定性時序。

根據時間序列的時域均值函式是否為常數，分為平穩隨機過程和非平穩隨機過程，後者的時間趨勢又分為隨機的和確定的。

分析模型有：arma

趨勢

趨勢擬合法，是時間為自變數，相應的觀測值為因變數，建立序列隨時間變化的回歸模型。根據趨勢呈現的形狀，分為線性擬合法、曲線擬合，曲線擬合包括二次型、指數型、修正指數型等。

平滑法用於趨勢分析和**，利用修勻技術削弱短期波動對序列的影響，使序列平滑，從而顯示出趨勢，根據平滑技術不同分為移動平均法和指數平滑法。

季節效應分析模型arima：差分和arma的結合。

指數平滑方法不考慮序列

time series data mining 主要包括decompose（分析資料的各個成分，例如趨勢，週期性），prediction（**未來的值），classification（對有序資料序列的feature提取與分類），clustering（相似數列聚類）等。

1.王燕.《應用時間序列分析》

協方差矩陣和相關係數主要研究兩個連續變數的相似程度相關性協方差公式協方差矩陣相關係數 cov x,y var x var y 相關係數矩陣可以使用ljung box方法進行檢驗。即box.test data,type ljung box lag num 來檢驗，當p value大於0.05...

觀察變數動態的變化，我們需要動態序列，也即是我們的時間序列。時間序列的要素是時間資料，所要解決的問題即是時間序列所帶來的序列相關性的問題。四種變動長期變動趨勢季節變動趨勢週期變動趨勢不規則變動趨勢第一種想象為單增的曲線第二三種可以想象為週期變化的折線第四種想象為白雜訊疊加模型四種...

時間序列是按時間順序的一組數字序列。時間序列的特點現實的真實的一組資料，而不是數理統計中做實驗得到的。既然是真實的，它就是反映某一現象的統計指標，因而，時間序列背後是某一現象的變化規律。動態資料。時間序列建模基本步驟是用觀測調查統計抽樣等方法取得被觀測系統時間序列動態資料。根據動態資料作...