machine_learning.jpg
在之前，我们简单回归一下上一次的 AR(p) 自回归模型，将上次没有交代清楚在此简单说明一下，大家可能好奇AR(p)的 p 表示什么意思，以及 AR 模型适合什么样场景。在开始今天新内容之前我们先把这两个问题说清楚。自回归就是找到当前和历史观察值之间关系，准确地说，当前随机变量和之前每一个时刻的随机变量之间关系，也就是根据历史数据推测当前值，用历史时刻的观察值的线性组合来得到当前值，那么需要多久历史数据呢，这个就是 p 决定，也就是从当前时刻向前 p 阶滞后，简单说就是 p 个时刻的序列数据来推测当前数据。AR 也就是合适时间序列上时间间隔随机变量是相关场合。
MA(q) 模型
今天我们重点地说一下什么 MA 模型，在 AR 模型我们更看重 t-1,t-2 以及 t-n 时刻数据对当前值 t 时刻影响，而忽略了随机扰动项 epsilon 。但是有时候我们需要更加关注过去 t-1、t-2 以及 t-n 时刻随机扰动项对当前值的影响，例如某明星问题影响了公司的股票价格，这样时间是会波及一定时间，这样我们就必须要考虑过去时刻随机扰动项的影响。
网友评论