arima模型

arima模型ARIMA模型（英语：AutoregressiveIntegratedMovingAveragemodel），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动），是时间序列预测分析方法之一。ARIMA(p，d，q)中，AR是“自回归”，p为自回归项数；MA为“滑动平均”，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。“差分”一词虽未出现在ARIMA的英文名称中，却是关键步骤。对时间序列数据进行分析和预测比较完善和精确的算法是博克思-詹金斯(Box-Jenkins)方法，其常用模型包括：自回归模型（AR模型）、滑动平均模型（MA模型）、（自回归-滑动平均混合模型）ARMA模型、（差分整合移动平均自回归模型）ARIMA模型。ARIMA(p，d，q)模型是ARMA(p，q)模型的扩展。ARIMA(p，d，q)模型可以表示为：其中L是滞后算子（Lagoperator），非平稳时间序列，在消去其局部水平或者趋势之后，其显示出一定的同质性，也就是说，此时序列的某些部分与其它部分很相似。这种非平稳时间序列经过差分处理后可以转换为平稳时间序列，那称这样的时间序列为齐次非平稳时间序列，其中差分的次数就是齐次的阶。将记为差分算子，那么有对于延迟算子，有因此可以得出设有d阶其次非平稳时间序列，那么有是平稳时间序列，则可以设其为ARMA(p,q)模型，即其中，分别为自回归系数多项式和滑动平均系数多项式。为零均值白噪声序列。可以称所设模型为自回归求和滑动平均模型，记为ARIMA(p,d,q)。当差分阶数d为0时，ARIMA模型就等同于ARMA模型，即这两种模型的差别就是差分阶数d是否等于零，也就是序列是否平稳，ARIMA模型对应着非平稳时间序列，ARMA模型对应着平稳时间序列。