ARIMA 时间序列1: 差分, ACF, PACF |
您所在的位置:网站首页 › ac pac图怎么看 › ARIMA 时间序列1: 差分, ACF, PACF |
ARIMA
ARIMA(p,d,q)模型全称为差分自回归移动平均模型 (Autoregressive Integrated Moving Average Model,简记ARIMA). 自回归(AR),差分(I),移动平均(MA) 趋势参数: p:趋势自回归阶数。 d:趋势差分阶数。 q:趋势移动平均阶数。 ACF 与 PACF自相关函数 ACF (autocorrelation function) 偏自相关函数 PACF (partial autocorrelation function) 自相关函数ACF 还包含了其他变量的影响 偏自相关系数PACF 是严格这两个变量之间的相关性 ARIMA(p,d,q)阶数确定: AR (p ) 看PACF MA(q ) 看ACF 实例: 美国消费者信心指数 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns sns.set(style = 'whitegrid', context = 'poster') %matplotlib inline Sentiment = pd.read_csv('sentiment.csv', index_col=0, parse_dates=[0]) Sentiment.head() sns.set(style = 'ticks', context = 'poster') sentiment_select = Sentiment.loc['2004' : '2016'] sentiment_select.plot(figsize = (12, 8)) plt.legend(bbox_to_anchor = (1.25, 0.5)) plt. |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |