時間序列分析概述

時間序列具有如下特點：

分類：

????五個步驟：特征分析、模型識別滲辯棚、模型參數(shù)估計、模型檢驗、模型應(yīng)用。

?????在進行時間序列建模的過程中，首先要對時間序列的特征有所了解，一般的，從時間序列的 隨機性、平穩(wěn)性和季節(jié)性 三個方面進行考慮，其中平穩(wěn)性尤為重要，對于一個非平穩(wěn)時間序列，通常需進行平穩(wěn)化處理后在進行建模，也可以根據(jù)特性之間建模。

???? 單位根檢驗 是指判斷時間序列中是否存在單位根，即對時間序叢則列的平穩(wěn)性進行檢驗。可以證明若存在單位根，則序列是不平穩(wěn)的，常用的單位根檢驗方法包括：ADF（Augmented Dickey Fuller）檢驗、PP（Phillips Person）檢驗、NP（Nelson Plosser）檢驗等。

? 時間序列的模型識別主要包括：確定模型類別和模型階數(shù)兩個方面。

? ????在確定時間序列模型的類別方面，平穩(wěn)序列樣本自相關(guān)函數(shù)和偏相關(guān)函數(shù)的拖尾性和截尾性是判斷模型類別的基本方法。

????在確定時間序列模型的階數(shù)方面，主要有以下幾種定階方式。

????對時間序列模型的檢驗分為兩大類：模型的顯著性檢驗及模型參數(shù)的顯著性檢驗

????時間序列模型的顯著性檢驗主要檢驗?zāi)Ｐ偷挠行?。模型的顯著性檢驗的主要任務(wù)是看模型是否充分有效地提取了全部信息，即一個好的模型灶橘應(yīng)該確保殘差序列為白噪聲，這樣確保了再無可利用信息。如果殘差是非白噪聲，則意味著殘差中留有相關(guān)信息。

????模型參數(shù)的顯著性檢驗，是要檢驗?zāi)Ｐ椭械拿恳粋€參數(shù)是否顯著異于零，目的是使模型更為精簡和準確。如果模型中包含了不顯著的參數(shù)性，則可以說明一方面參數(shù)冗余，另一方面會影響其他參數(shù)的估計精度。因此要提出模型中那些不顯著的參數(shù)。

????利用模型進行預(yù)測分析。

參考：《時間序列模型及預(yù)測》 王立柱著；科學(xué)出版社