目的
预测
要求
数据具有平稳性——“惯性”，平稳性要求数据的均值和方差不发生明显变化。
- 严平稳：分布不随时间的改变而改变。
- 弱平稳（大部分）：期望与相关系数（依赖性）不变。未来某时刻的值X要依赖于它过去信息，所以需要依赖性。
差分法
用以让不够平稳的数据变平稳
方法如其名
自回归模型（AR）
描述当前值与历史值之间的关系，用变量自身的历史时间数据对自身进行预测
必须满足平稳性
阶数指时间间隔
p阶自回归过程的公式
是常数项，
是自相关系数，
是误差。
p自己选定
限制
必须具有自相关性，若自相关系数小于0.5则不宜采用。
移动平均模型（MA）
关注自回归模型中的误差项的累加
q阶自回归过程的公式
能有效消除随机波动
差分自回归移动模型（ARIMA）
AR 与 MA结合，I指差分
指定参数（p，d，q），d是差分的次数，一般1次就够
参数pq的选取
自相关函数ACF（autocorrelation function）
有序的随机变量序列与其自身相比较
反映同一序列在不同时序的取值之间的相关性
公式
取值范围[-1, 1]
偏自相关函数（PACF）
ACF还受其他阶数变量影响，PACF剔除中间的影响，只保留yt和yt-k的关系。
