- 什么是時間序列
- 時間序列預測方法/模型
- 條件:非白噪音+平穩
- 平穩性評估
- 不平穩變成平穩
- 然后用ARIMA模型
- 確定p,q
- AR模型(ARMA特例)
- MA模型(ARMA特例)
- ARMA模型(普適)
- 灰色模型
- 神經網絡/LSTM
- 組合預測模型
- 向量數據預測結果和為1的情況
什么是時間序列
省略具體圖形例子
時間序列預測方法/模型
條件:非白噪音+平穩
平穩:看圖,沒有季節性因素/趨勢性因素
平穩性評估
Eviews中的ACF/PACF
左邊不平穩,右邊平穩
不平穩變成平穩
用差分方程
然后用ARIMA模型
但是無法處理季節性的數據
可處理季節性數據的SARIMA模型省略
確定p,q
后面省略,因為和老師上課講的不一樣
AR模型(ARMA特例)
截尾的圖中在第p階截尾就取p
MA模型(ARMA特例)
截尾的圖中在第q階截尾就取q
ARMA模型(普適)
AR/MA/ARMA模型在論文中只能出現一個
灰色模型
以上3種模型在小樣本條件下均不能適用
故在小樣本條件下使用灰色模型(大樣本下也可以使用)
神經網絡/LSTM
裝逼用的
組合預測模型
以上所有模型堆一起+計算權重建議使用均方誤差法
向量數據預測結果和為1的情況
某年賽題是文物成分檢測,里面不同物質含量之和為1,且要求預測結果的和也為1
參考北航王惠文教授的論文A hyperspherical transformation forecasting model for compositional data