用python做ARMA模型,ARMA模型
自回归移动平均模型(ARMA)
ARMA模型,全称自回归移动平均模型,是时间序列分析领域中极为重要的一种模型。通过融合自回归(AR)与移动平均(MA)两个模型的特点,ARMA模型能够更全面地描述时间序列的动态特性。在时间序列的分析中,ARMA模型的核心假设是序列在平稳条件下,其当前值与过去的值以及过去的误差值有关。
自回归模型的平稳条件: 滞后算子多项式的根均在单位圆外,即φ(B) = 0的根大于1。 移动平均模型(MA:Moving-Average) 如果时间序列yt满足 则称时间序列为yt服从p阶移动平均模型; 移动平均模型平稳条件:任何条件下都平稳。
ARIMA模型(差分自回归移动平均模型)定义为,一个非平稳序列yt通过k次差分后成为平稳的zt,如果zt符合ARMA(p, q)模型,那么yt就被认为遵循ARIMA(p, k, q)模型。这意味着原始的非平稳序列yt在进行k次差分后转为I(0)型平稳序列,而ARIMA模型适用于这种I(k)型非平稳序列。
« 上一篇
php简易会员系统,php系统环境
下一篇 »
别翻了,亲,博客没写下一篇文章!
