【一】時間序列預處理
每個統計學問題都需要進行一定的假設，同樣時間序列**也是
一條時間序列裡長期穩定不變的規律，是基本模型
平穩的基本思想：時間序列的行為並不隨時間改變
【不常見】嚴平穩：這是一種比較嚴格的定義，認為只有當序列所有的統計性質都不會隨著時間的推移而發生變化時，該序列才能平穩。而在實踐中要獲得嚴平穩序列很難，通常只具有理論意義
【最常見】寬平穩：使用序列的特徵統計量來定義，認為序列的統計性質主要由它的低階矩決定，因而只要保證低階矩（二階）平穩，就能保證序列近似穩定
通俗的講，一些統計特徵隨著時間保持不變，可以認為它是穩定的，如平均值，方差，自斜方差等
【二】時間序列**方法
一次移動平均法：每次取一定數量週期的資料平均，按時間順序逐次推進。每推進乙個週期時，捨去前乙個週期的資料，增加乙個新週期的資料
二次移動平均法：當**變數的基本趨勢發生變化時，如有乙個線性增長的過程，即線性趨勢，一次移動平均法的滯後偏差使**值偏低，不能進行合理的趨勢外推。因此，需要引入線性方程 xt = a + bt 來適應這種變化
線性模型**公式：
運用移動平均值來確定平滑係數，有：
二次移動平均法不僅能處理**變數的模式呈水平趨勢時的情形，同時又可應用到長期趨勢（線性）
兩點不足：
（1）每計算一次移動平均值，需要儲存最近n個觀察資料，當需要經常**時有很多不便之處
（2）移動平均實際上是對最近的n個觀察值等權看待，而對 t-n 期以前的資料則完全不考慮
一次指數平滑法
設時間序列有：
**公式為：
一次指數平滑值為：（可以看出，離現在時刻越遠的資料，其權重係數越小）
二次指數平滑法：同樣，與移動平均法類似，當**變數趨勢發生變化時，比如呈線性增長，一次指數平滑法將不再適用，需要引入二次指數平滑法
一次指數平滑值：
二次指數平滑值
二次指數平滑法的**模型為直線趨勢模型
【三】時間序列**流程
【四】時間序列**工具
函式表示
seasonality effects（季節性影響）
八 時間序列
時間序列 datetime.datetime 2011 02 31 產生乙個datetimeindex物件 pd.datetimeindex 時間範圍 pd.date range start 4 1 2012 periods 20 時間戳 pd.timestamp 2011 03 12 04 20 ...
商務統計 12 時間序列分析 構成分析
客觀事物隨時間的變化是由多種因素共同作用的結果。按性質和作用，將影響因素歸為四種 將上述四種因素和時間序列的關係表示出來，構成了時間序列的分解模型。按其對時間序列的影響方式不同，可分解為多種模型，常用的兩種模型是 1.長期趨勢變動的測定 長期趨勢是時間序列的主要構成要素。主要方法 間隔擴大到何種程度...
R入門《二》 時間序列研究
續之前那篇隨筆 前天寫完隨筆後，很自豪的拿出來去跟帶我入資料探勘和sas基礎的大牛 八公炫耀，然後收穫了一堆時間序列的材料，非常感謝大牛！arima就是看圖形，acf和pacf,原理不需要知道，因為軟體已經幫我們解動態方程了 總結下來就是 1 arima關鍵是看圖形，看acf和pacf，公式啥的不一...