机工社数学建模：算法与编程实现教学课件第11讲_时间序列1.pdf

张敬信-《数学建模：算法与编程实现》配套课件 第 11 讲 时间序列分析 I：确定性分解 张敬信 2022 年5 月18 日 哈尔滨商业大学 1 一. 时间序列数据结构 • 为了研究某一事件的规律，依据时间发生的顺序将事件在多个时刻的数 值记录下来，就构成了一个时间序列，用{ } 表示。 • 例如，国家或地区的年度财政收入，股票市场的每日波动，气象变化，工 厂按小时观测的产量等。另外，随温度、高度等变化而变化的离散序列， 也可以看作时间序列。 • 根据时间序列自身的变化规律，利用外推机制描述和预测时间序列将来 的发展趋势，就是时间序列分析。 • 时间序列分析的三种经典算法：确定性分解、指数平滑、ARIMA 模型。 2 • base R 下的 ts 数据类型是专门为时间序列设计的，本质上是一个数 值型向量，扩展了时刻属性使得每个数都有一个时刻与之对应。 • 用 ts(data, start, end, frequency, ...) 生成时间序列 参数 frequency 设置时间频率，默认为1，表示一年有1 个数据， frequency=12 （月度数据），frequency=52 （周度数则）， frequency=365 （日度数据）。 3 ts(data = 1:10, start = 2010, end = 2019) # 年度数据 # Time Series: # Start = 2010 # End = 2019 # Frequency = 1 # [1] 1 2 3 4 5 6 7 8 9 10 ts(data = 1:10, start = 2010, frequency = 4) # 季度数据 # Qtr1 Qtr2 Qtr3 Qtr4 # 2010 1 2 3 4 # 2011 5 6 7 8 # 2012 9 10 4 tsibble • fpp3生态下的 tsibble 包提供了整洁的时间序列数据结构 tsibble. • 时间序列数据，无非就是指标数据+ 时间索引（或者再+分组索引）1 • 对于分组时间序列数据，首先是一个数据框，若有分组变量需采用” 长格 式” 作为一列，只需要指定时间索引、分组索引，就能变成时间序列数据 结构。 1多元时间序列，就是包含多个指标列. 5 • 现有 tibble 格式的3 个公司2017 年的日度股票数据，其中存放3 只 股票的 Stock 列为分组索引： library(fpp3) load(datas/stocks.rda) stocks # # A tibble: 753 x 3 # Date Stock Close # date chr dbl # 1 2017-01-03 Google 786. # 2 2017-01-03 Amazon 754. # 3 2017-01-03 Apple 116. # 4