自回归模型（Autoregressive model）是用上一期的因变量来做自变量，因此也解决了缺少自变量的问题，其具体的思维框架如下。
1.自相关问题的解决
尝试自回归模型AR(1)之后，计算每一个自相关系数，对每一个自相关系数做显著性检验t检验。如果每一个自相关系数的显著性t检验都不能拒绝原假设（没有自相关），那么就用这个AR(1)模型；如果有一个自相关系数的显著性t检验都拒绝原假设（有自相关），那么继续尝试AR(2)模型，然后以新的（二元）自回归模型重新回归，估计回归参数。依次递归，直到没有自相关问题确定AR模型的阶数AP(p)。
2.当自相关问题消除后，应继续测试seasonality和ARCH behavior
注意：在协方差平稳的条件下，AR模型的结果才可信，此时序列mean-reverting的趋势，趋向于b0/(1-b1)
完整流程图如下：
AR模型解决问题 自回归模型（Autoregressive model）是用上一期的因变量来做自变量，因此也解决了...
fbprophet是facebook开源的时间序列预测框架 可用于时间序列预测，支持Python语言 以下命令按顺...
时间序列预测法及Spark-Timeserial 时间序列预测法 时间序列预测法(Time Series Fore...
众所周知，时间序列的预测是需要假定在时间序列平稳随机过程的基础上，若为非平稳时间序列，容易造成对随机过程的伪回归，...
如何评价facebook开源的prophet时间序列预测工具? 时间序列分析 时间序列预测之--ARIMA模型 通...
前言 在所有的预测问题里面，时间序列预测最让我头疼。 做时间序列预测，传统模型最简便，比如Exponential ...
cnn 教程： https://blog.csdn.net/weixin_39653948/article/det...
tensorflow下用LSTM网络进行时间序列预测 用LSTM做时间序列预测的思路,tensorflow代码实现...
转载自Python Keras + LSTM 进行单变量时间序列预测 首先，时间序列预测问题是一个复杂的预测模型问...
Autoregressive Integrated Moving Average Model（自回归移动平均模型）...
本文标题：时间序列的预测-基础框架
本文链接：https://www.haomeiwen.com/subject/qhjjqhtx.html
网友评论