时间序列ARIMA模型参数识别方法梳理.docxVIP

时间序列ARIMA模型参数识别方法梳理

一、引言

时间序列分析是量化研究领域中用于揭示数据随时间演变规律、开展预测分析的核心方法之一，而自回归积分滑动平均（ARIMA）模型则是其中应用最广泛、理论体系最成熟的模型之一。ARIMA模型由自回归（AR）、积分（I）和滑动平均（MA）三个部分构成，能够有效捕捉时间序列中的自相关性、趋势性和周期性特征，被广泛应用于经济金融预测、气象预报、供应链需求预测等多个领域（Box,Jenkins,1976）。

在ARIMA模型的构建过程中，参数识别是决定模型性能优劣的关键环节。模型的核心参数包括差分阶数d、自回归阶数p和滑动平均阶数q，这三个参数的选择直接影