白噪聲模型

時間序列算法之ARIMA模型
對非平穩時間序列的分析方法可以分為確定性因素分解的時序分析和隨機時序分析兩個大類。
確定性因素分解的方法把所有序列的變化都歸結為4個因素：長期趨勢、季節變動、循環變動和隨機波動。其中長期趨勢和季節變動的規律性信息通常比較容易提取，而由隨機因素導致的波動則非常難確定和分析，對隨機信息浪費驗證，會導致模型擬合精度差。
隨機時序分析法的發展就是為了彌補確定性因素分解方法的不足。根據時間序列的不同特點，隨機時序分析可以建立的模型有ARIMA模型、殘差自回歸模型、季節模型、異方差模型。

相距d期的兩個序列值之間的減法運算稱為d階差分運算。

總結

以上是生活随笔為你收集整理的常用的时间序列模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。