ARIMA 是 AutoRegressive Integrated Moving Average的简称,看起来很复杂,其实这个模型本身是多个模型的叠加或者说混合;
AR: 自相关模型(AutoRegressive)
MA: 移动平均模型(Moving Average)
I:差分的逆过程(差分的逆过程)
一般我们表达为:ARIMA(p,d,qp,d,q) 模型,其中:
p=p= |
自回归模型阶数 |
d=d= |
差分阶数 |
q=q= |
移动平均模型阶数 |
使用ARIMA模型预测数据的主要步骤包括:
序列平稳化
确定d参数
画出acf和pacf图,确定p参数和q参数
使用找到的参数拟合ARIMA模型
在验证集上进行预测
评估预测效果
对于一个未知的序列,找到模型的这三个参数是关键,有两种方式来找出这三个参数;
手工找出参数的基本步骤