ARIMA学习（一）

1 ARIMA前提

1.1 平稳性

• 要求序列的均值和方差不发生明显的变化。

1.2 严平稳与弱平稳

一般来说，我们的数据都是弱平稳的数据。

• 严平稳：期望为0，方差为1
• 弱平稳（基本上都是弱平稳）：某来的数据余姚依赖它过去的信息，也就是需要依赖性

1.3 差分法：时间序列在t和t-1时刻的差值

可以得到一阶差分、二阶差分…

• 做差分，可以使得数据的平稳性更好一些
  

自回归模型（AR）

• 利用当前值和历史值之间的关系，进行预测
• 自回归模型必须满足平稳性的要求
  
  这里的p阶，是需要自己根据相关性分析去自己设定的，下面会介绍两种评估方法。