全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 数据分析师(CDA)专版
3082 5
2017-02-07
a8ec8a13632762d04734e200a9ec08fa513dc603.png 9213b07eca806538e0e2e2ac9edda144ad348201.png
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2017-2-8 04:12:11
第一个图,不存在显著的自相关和偏自相关。第二个图AC和PAC都大于0.05,不妨分别试一下AR(1)和MA(1)
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2017-2-9 17:10:09
crystal8832 发表于 2017-2-8 04:12
第一个图,不存在显著的自相关和偏自相关。第二个图AC和PAC都大于0.05,不妨分别试一下AR(1)和MA(1)
是指第一个图没办法做预测是么?可是已经是二阶差分了,ADF检验也是稳定的,还是不可以么?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2017-2-11 04:49:30
diantang 发表于 2017-2-9 17:10
是指第一个图没办法做预测是么?可是已经是二阶差分了,ADF检验也是稳定的,还是不可以么?
如果你的序列是季度或者月度数据的话 建模之间可能还做季节调整等处理, 或者对数据进行对数处理。平稳的时间序列有两种,一种是白噪声,即认为是纯净的随机扰动,还有一种就是包含AMMA效应或者ARCH效应的的平稳时间序列。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2017-2-11 21:51:05
第一个图直接看,可以用白噪声来预测,二阶差分转换成原始数据变量,也可用AR(1),MA(1),ARMA(1.1)预测,比较那个预测效果更好
第二个图也可以用白噪声来预测,也可用AR(2),MA(2),ARMA(2.2)
因为实际数据一般不是标准的AR,MA,ARMA模型,通常要用多个模型来预测作比较
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2017-2-16 14:13:11
两个图都不存在显著的自相关性质,但考虑可能存在ARCH效应,建议建立ARMA(P,Q)模型,然后进行ARCh——LM检验,可以构建garch模型,第一个白噪声,第二个(1,1)尝试建立
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群