时间序列模型（三）：指数平滑法
时间序列模型（一）：模型概述 时间序列模型（二）：移动平均法（MA） 时间序列模型（三）：指数平滑法 一次移动平均实际上认为近N期数据对未来值影响相同，都加权 1/N；而 N 期以前的数据对未来值没有影响，加权为0。但是，二次及更高次移动平均数的权数却不是 1/N，且次数越高 ...
原文：[时间序列模型] python做adf检验
adf检验是用来检验序列是否平稳的方式，一般来说是时间序列中的一种检验方法。python中可使用现成的工具statsmodels来实现adf检验。 方法及参数： ADF检验总结一句话：如果序列是平稳的，则不存在单位根，否则就会存在单位根。 同时，源数据不平稳 大多肉眼可见 ，可以做一阶差分 二阶差分这样子，看是否差分后平稳。 ADF检验的原假设是存在单位根，因此如果得到的统计量显著小于 个置信度 ...
2018-04-17 11:03 0 5614 推荐指数：
相关推荐
ARIMa--时间序列模型
一、概述 在生产和科学研究中，对某一个或者一组变量 x(t)x(t) 进行观察测量，将在一系列时刻 t1,t2,⋯,tnt1,t2,⋯,tn 所得到的离散数字组成的序列集合，称之为时间序列。时间序列分析是根据系统观察得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。时间 ...
(转)利用Auto ARIMA构建高性能时间序列模型（附Python和R代码）
转自： 原文标题：Build High Performance Time Series Models using Auto ARIMA in Python and R 作者：AISHWARYA SINGH；翻译：陈之炎；校对：丁楠雅 原文链接： https ...
时间序列模型Prophet使用详细讲解
目录 一、简易入门 二、饱和预测 2.1 预测饱和增长 2.2 预测饱和减少 三、趋势突变点 3.1 Prophet 中的自动监测突变点 3.2 调整趋势的灵活性 3.3 指 ...
时间序列模型（二）：移动平均法（MA）
时间序列模型（一）：模型概述 时间序列模型（二）：移动平均法（MA） 时间序列模型（三）：指数平滑 移动平均法可以作为一种数据平滑的方式，以每天的气温数据为例，今天的温度可能与过去的十天的温度有线性关系；或者做的饭一部分是上顿的，一部分是现在的，再假设隔两顿的都被倒掉了，并且每天 ...
拓端tecdat：Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
原文链接：http://tecdat.cn/?p=24407 原文出处：拓端数据部落公众号 这篇文章讨论了自回归综合移动平均模型 (ARIMA) 和自回归条件异方差模型 (GARCH) 及其在股票市场预测中的应用。 介绍 一个 ARMA (AutoRegressive-Moving ...
拓端数据tecdat：Python | ARIMA时间序列模型预测航空公司的乘客数量
原文链接：http://tecdat.cn/?p=20742 时间序列 被定义为一系列按时间顺序索引的数据点。时间顺序可以是每天，每月或每年。 以下是一个时间序列示例，该示例说明了从1949年到1960年每月航空公司的乘客数量。 时间序列预测 时间序列预测是使用统计模型 ...
[时间序列分析][5]--非平稳时间序列模型与差分
非平稳时间序列模型 非平稳时间序列模型 通过差分平稳化 差分是什么 是否要做差分单位根检验 做多少次差分 一个例子 ARIMA模型 ...