ARIMA Models

概述

ARIMA（差分整合移动自回归）模型是时间序列分析中的一类重要统计模型，是ARMA模型的扩展，能够处理非平稳时间序列数据。

关键内容

1. 模型组成：
2. AR部分（自回归）：使用时间序列的滞后值作为预测因子
3. I部分（整合/差分）：通过差分操作将非平稳序列转换为平稳序列

4. MA部分（移动平均）：使用预测误差的滞后值作为线性组合

5. 理论联系：

6. 理论基础直接来源于Wold分解定理
7. Box与Jenkins发展的系统化ARIMA建模方法论成为时间序列分析的标准范式

8. 整套方法的数学根基可追溯到Wold在1938年证明的定理

9. 应用价值：

10. 在经济计量学中广泛应用于宏观经济指标预测
11. 在金融领域用于风险管理和投资决策
12. 是时间序列预测中最常用的模型之一

来源

• Box-Jenkins Methodology — 理论发展与Wold定理的关系

相关

• ARMA Models — extension_of
• Box-Jenkins Methodology — methodology_for
• Wold Decomposition Theorem — theoretical_foundation