ARIMA建模的步骤教学课件.pptVIP

下载本文档

31
0
约1.05万字
约 27页
2017-03-18 发布于上海
举报
版权申诉

ARIMA建模的步骤教学课件.ppt

1、本文档共27页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

ARIMA 建模的步驟 Stationize: 檢測序列的平穩性，對不平穩的序列，差分轉換為平穩序列。 Tentative identification: 由資料的 acf, pacf 辨識適合的 ARMA模式, 選出數個可能模式。 Estimation: 對遴選模式估計參數 Diagnostic Checking: 由各種診斷法來檢視模式的適合性，挑選出一模式，視為用於預測的模式 Forecasting: 以最終模式預測未來值應隨時做模式的更新。 Make a Stationary series Tentative identification 由樣本的acf 及pacf 的走勢及變化來辨識ARMA模式中的 p，q值選出數個候選模式模式應力求簡單 Estimation Diagnostic Checking * 如果手中的時序資料不是 stationary，以一次差分轉換，使成為一 stationary series，必要時用多次差分。利用檢定確認它是一平穩序列指數或正弦函數式漸漸消失指數或正弦函數式漸漸消失 ARMA(p,q) 時差 p 之後切斷指數或正弦函數式漸漸消失 AR(p) 指數或正弦函數式漸漸消失時差 q 之後切斷 MA(q) Pacf acf Model 原則上用 least square estimate 估計的係數必滿足平穩性及可逆性之條件 ARMA 係數的估計有時需以遞迴的數值法得解，有可能遇到不收歛情況例：一平穩序列，分別以 AR(1), MA(1), 及 ARMA(1,1) 配適： - ?6?5?4?3?2?1?0?1?2?3?4?5?6?7?8?9?1 Correlation Lag 12 11 10 9 8 7 6 5 4 3 2 1 0.124731 |??????????*****|????.???????????????| -.24375 0.121917 |???????????????.????|****.???????????????| 0.18628 0.120399 |????????????.?***|????.???????????????| -.13564 0.119760 |???????????????.????|**??.???????????????| 0.08755 0.119587 |??????????????.???*|????.???????????????| -.04553 0.118961 |???????????????.????|**??.???????????????| 0.08643 0.118274 |?????????????.??**|????.???????????????| -.09027 0.118273 |???????????????.????|????.???????????????| -.00389 0.117841 |??????????????.???*|????.???????????????| -.07136 0.117841 |???????????????.????|????.???????????????| -.00119 0.117610 |???????????????.????|*???.???????????????| 0.05214 0.100000 |?|*********|???.????????????????| -.43773 0 |????????????????????|********************| 1.00000 0 Autocorrelations ACF PACF |??? ???????????****|???.??????????????? -0.20707 12 |???? ????????????.???|*??.????????????????| 0.07253 11 |?? ??????????????.***|???.????????????????| -0.14766 10 |???? ????????????.???|*??.????????????????| 0.02756 9 |??? ?????????????.?**|???.????????????????| -0.08091 8 |????? ???????????.??*|???.????????????????| -0.07274 7 |????? ???????????****|???.????????????????| -0.19625 6 |???? ????????????.?**|???.??????