时间序列(ARIMA)案例超详细讲解.docxVIP

想象一下，你的任务是：根据已有的历史时间数据，预测未来的趋势走向。作为一个数据分析师，你会把这类问题归类为什么？当然是时间序列建模。 从预测一个产品的销售量到估计每天产品的用户数量，时间序列预测是任何数据分析师都应该知道的核心技能之一。常用的时间序列模型有很多种，在本文中主要研究ARIMA模型，也是实际案例中最常用的模型，这种模型主要针对平稳非白噪声序列数据。 时间序列概念 时间序列是按照一定的时间间隔排列的一组数据，其时间间隔可以是任意的时间单位，如小时、日、周月等。通过对这些时间序列的分析，从中发现和揭示现象发展变化的规律，并将这些知识和信息用于预测。比如销售量是上升还是下降，是否可以通过现有的数据预测未来一年的销售额是多少等。 1 ARIMA（差分自回归移动平均模型）简介 模型的一般形式如下式所示： 1.1 适用条件 数据序列是平稳的，这意味着均值和方差不应随时间而变化。通过对数变换或差分可以使序列平稳。 输入的数据必须是单变量序列，因为ARIMA利用过去的数值来预测未来的数值。 1.2 分量解释 AR(自回归项)、I(差分项)和MA(移动平均项)： AR项是指用于预测下一个值的过去值。AR项由ARIMA中的参数p定义。p值是由PACF图确定的。 MA项定义了预测未来值时过去预测误差的数目。ARIMA中的参数q代表MA项。ACF图用于识别正确的q值 差分顺序规定了对序列执行差分操作的次数，对数据进行差分操作的目的是使之保持平稳。ADF可以用来确定序列是否是平稳的，并有助于识别d值。 1.3 模型基本步骤 1.31 序列平稳化检验，确定d值 对序列绘图，进行 ADF 检验，观察序列是否平稳（一般为不平稳）；对于非平稳时间序列要先进行 d 阶差分，转化为平稳时间序列 1.32 确定p值和q值 (1)p 值可从偏自相关系数（PACF）图的最大滞后点来大致判断，q 值可从自相关系数（ACF）图的最大滞后点来大致判断 (2)遍历搜索AIC和BIC最小的参数组合 1.33 拟合ARIMA模型 (p,d,q) 1.34 预测未来的值 2 案例介绍及操作 基于 1985-2021年某杂志的销售量，预测某商品的未来五年的销售量。 2.1 序列平稳化检验，确定d值 平稳性概念 假定某个时间序列是由一系列随机过程生成的，即假定时间序列的每一个数值都是从一个概率分布中随机得到，如果满足下列条件： 均值u是与时间t无关的常数； 方差是与时间t无关的常数； 协方差rk是只与时间间隔K有关，与时间t无关的常数 则称改随机时间序列是平稳的，而该随机过程是平稳随机过程。 ADF思路 白噪声的过程是： 对于白噪声序列，基本是在均值附近较为平均的随机震荡。它满足正态分布，均值与方差都是与时间t无关的函数，它满足平稳性要求。 随机游走的过程是： 对于随机游走，可以看到比白噪声平滑很多，并且呈现出一些“趋势性”的感觉。它的均值为0，方差与时间t有关，他不满足平稳性要求。 而随机游走的一阶差分是平稳的： 如果一个时间序列是非平稳的，它常常可以通过取差分的方法而形成平稳序列。 ADF 大致的思想就是基于随机游走的，对Xt回归，如果发现p=1，说明序列满足随机游走，就是非平稳的。 下图是通过spsspro软件生成： 如何确定该序列是否平稳呢？ （1）临界值检验 临界值1%、5%、10%不同程度拒绝原假设的统计值和假设检验值t进行比较，t同时小于1%、5%、10%即说明非常好地拒绝该假设 （2）显著性检验p0.05 本数据中，原序列的 ADF 假设检验值t为1.814， 大于三个level的统计值，所以是非平稳的。而一阶差分序列的 ADF 假设检验值t为-3.156，小于三个level的统计值，再来看显著性p的值为0.0230.05，所以是平稳的。 经过二阶差分，与一阶差分相比，只是在显著性程度上扩大了，因此对于该序列，采用一阶差分比较合适。一般情况下，采用一阶、二阶差分就可以使序列变得平稳。 所以差分阶数d=1 2.2 确定p值和q值 2.21 绘制ACF 、PACF图 先来介绍几个概念： 拖尾和截尾 拖尾，顾名思义，就是序列缓慢衰减，“尾巴”慢慢拖着滑下来，或者震荡衰减 而截尾则是突然截断了，像个悬崖，指序列从某个时点变得非常小 专业点来说呢，就是： 如果样本自相关系数和样本偏自相关系数在最初的阶明显大于2倍标准差（下图虚线），而后几乎95%的系数都落在2倍标准差的范围内，且非零系数衰减为小值波动的过程非常突然，通常视为k阶截尾。 如果有超过5%的样本相关系数大于2倍标准差，或者非零系数衰减为小值波动的过程比较缓慢或连续，通常视为拖尾。 自相关系数（ACF） 自相关系数度量的是同一事件在两个不同时期之间的相关程度，形象的讲就是度量自己过去的行为对自己现在的影响。在这