《时间序列分析及应用：R语言》读书笔记.docx

《时间序列分析及应用：R语言》读书笔记
姓名：石晓雨学号：1613152019
、时间序列研究目的主要有两个：认识产生观测序列的随机机制，即建立数据生 成模型；基于序列的历史数据，也许还要考虑其他相关序列或者因素，对序列未来的可能取 值nth=c("J", "A", "S", "O", "N", "D", "J", "F", "M", "A", "M", "J")#注意这里是从 1983 年 7 月到1987年6月
points(oilfilters,pch=Month) plot(oilfilters,type='l' ,ylab='Sales')
points(y=oilfilters,x=time(oilfilters),pch=(season(oilfilters)))#^里 的season函数的返回值取决于传入数值
“向作者提供数据时，经理说没有理由认为销售量存在季节性。”“假如各年1月与1 月的数据之间存在关联趋势，2月与2月的数据之间存在关联趋势，那么就有季节性。”
女件岳史重设大小
. ' R Graphics: Device 4 (ACTIVE)
iSSS
1937
上面的图作者说没有显示明显的季节性。其实……还好，季节性比较明显了已经。
■ :■■■■I
I
j E3 R Gmphim Device 4 (ACTIVE)
龄房史■没太小
在加上月份的标识之后，确实比原来更能显示出季节性规律。
总之，恰当和有益于发现特定模式的绘图方法，有利于找到符合时间序列数据的合适模 型。
（三）、建模策略
给时间序列寻找合适的模型并非易事，多步建模策略很有用，包括三个可反复使用的主 要步骤：
1、 模型识别
2、 模型拟合
3、 模型诊断
模型识别就是在时间序列模型类中选择适合观测值的模型。进一步可以观察时间序列图， 计算一些统计量。选取的模型是有待考证的，选取原则是能表示模型的前提下选取参数少的。
第二步就是用数据将将选取模型中的参数估计出来，估计方法是最小二乘挥着极大似然。
最后就是对模型进行质量评估。针对一些问题对模型进行估计，看模型是否合理：比如 模型对数据的拟合程度有多好，模型前提是否满足等。如果没有不足之处，就可以进行预测 等任务，如果有不足之处，针对不足之处寻找其他模型，再进行上面三个步骤。
（四）、历史上的时间序列图
名言：“时间序列图是图形设计最常用的形式，其一个维度沿着秒、分、时、日、周、 月、年、乃至千年等规则的时间节律延伸，时间标度的自然顺序赋予了这种设计以解释的力
量和效率，这一点在其他图形设计上了无痕迹。”
（五）、笔记：
第一章简介
统计时序分析方法：
1、 频域分析方法
2、 时域分析方法
步骤：
1、 观察序列特征
2、 根据序列特征选择模型
3、 确定模型的口径
4、 检验模型，优化模型
5、 推断序列其它统计性质或预测序列将来的发展
时域分析研究的发展方向：
1、 AR，MA，ARMA，ARIMA（Box-Jenkins 模型）
2、 异方差场合：ARCH，GARCH等（计量经济学）
3、 多变量场合：“变量是平稳”不再是必需条件，协整理论
3、非线性场合：门限自回归模型，马尔科夫转移模型
第二章时间序列的预处理
预处理内容：对它的平稳性和纯随机性进行检验，最好是平稳非白噪声的序列
1、 特征统计量
，同样一个 随机变量族｛Xt ｝的统计特性也完全由它们的联合分布函数或联合密度函数决定。
：
均值Ex
方差。2
自协方差函数（Y）和自相关系数（p ）:比较的是1个事件不同时期之间的相互影响程 度
2、 平稳的时间序列

严平稳：随机变量族的统计性质完全有它们的联合概率分布族决定，若任意的t下的联 合概率分布族相等，则认为该序列是严平稳的
宽平稳：统计性质主要由它的低阶矩决定：
1） Ex2＜无穷
2） 均值为常数：Ex卬（p为常数）
3） 自协方差和自相关系数只依赖于时间的平移长度而与时间的起止点无关
满足以上3点则称为宽平稳时间序列（弱平稳或者二阶平稳）
、检验:
1、平稳性检验:
图检验方法：
时序图检验：该序列有明显的趋势性或周期性，则不是平稳序列
自相关图检验：(acf函数)平稳序列具有短期相关性，即随着延迟期数k的增加， 平稳序列的自相关系数P会很快地衰减向0(指数级衰减)，反之非平稳序列衰减速度会比 较慢
构造检验统计量进行假设检验：单位根检验adfTest() fUnitRoots包
2、纯随机性检验、白噪声检验