Time Series 简明教程

Time Series - Moving Average

对于平稳时间序列，移动平均模型将时间“t”处变量的值视为前“q”时间步长残差误差的线性函数。残差误差是通过将时间“t”处的值与前面值的移动平均值进行比较来计算的。

在数学上可以写成 −

y_{t} = c\:+\:\epsilon_{t}\:+\:\theta_{1}\:\epsilon_{t-1}\:+\:\theta_{2}\:\epsilon_{t-2}\:+\:…+:\theta_{q}\:\epsilon_{t-q}\:

其中“q”是移动平均趋势参数

\epsilon_ {t} 是白噪声，并且

$\epsilon_{t-1}, \epsilon_{t-2}…\epsilon_{t-q}$ 是前一时间段的误差项。

“q”的值可以使用多种方法进行校准。找到“q”的恰当值的一种方法是绘制偏自相关图。

与显示直接和间接相关性的自相关图不同，偏自相关图显示变量与其自身在之前时间步长的关系，同时消除了间接相关性，让我们看看它对我们数据的“temperature”变量有何影响。

[143] 中：

from statsmodels.graphics.tsaplots import plot_pacf

plot_pacf(train, lags = 100)
plt.show()

偏自相关以与相关图相同的方式进行读取。