时间序列模型是对时间序列数据的哪一种成分建立的模型

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

   

时间序列数据往往包含了四种成分：趋势性、季节性、周期性和无规则成分。趋势性成分往往代表了该序列的长期动态行为，季节性成分可以理解为在一定时间内，该序列重复它本身的特征行为，周期成分代表了该序列有规则的周期性波动，无规则成分是随机的，我们通常建立的时间序列计量模型就是对这个无规则成分的刻画。趋势性成分和季节成分往往是时间的函数，而无规则成分通常是它本身滞后值和随机变量（扰动项）的函数。

大部分时间序列数据都包含了这些成分中的一部分，这些成分（如趋势）往往会导致时间序列数据表现出非平稳的特征，然而，我们后面学习的时间序列模型又都是在平稳的特征上建立的，因此，识别时间序列数据的成分尤为重要。数据的平稳性是一个非常重要的特征，因为它确保了我们可以用模型来研究、分析该数据的统计特征。事实上，时间序列分析的目标就是对时间序列数据进行分解从而得到一个平稳的无规则成分，也就是去除数据中包含的趋势性、季节性以及周期性成分，从而得到平稳的无规则成分，再对这个无规则成分进行建模分析。

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

分享0 收藏0 回帖

关键词：时间序列模型 时间序列数据 时间序列 序列数据 时间序列分析

一、目的:以某商品的历史数据为基础，拟用时间序列Python建模预测方法，预测第N天的价格区间和发生概率。

二、前提:持有历史数据:a现货、b期货

三、Q&A
Q1：用时间序列建模预测，预测值数据跟VS最终实际值＝准吗？So这时间序列建模预测，实际上有用吗？
听大佬们说，建模预测值只会在历史数据上下波动，统计意义上的显著性有限

Q2：单变量（有a没b）做时间序列，应该用哪种预测方法？还是说全部预测方法都Python一遍，从而找出共同区间，以此作为结果？
注:b没＝期货交易所内没找到对应品种。

Q3：多变量（有a有b）做时间序列，应该具体用哪种预测方法？还是说全部预测方法都做一遍，从而找到共同区间，以此作为结果？

综上，求解答，谢谢。