ARIMA

概述

ARIMA（Autoregressive Integrated Moving Average，自回归积分滑动平均）模型是由Box和Jenkins在1970年系统化的时间序列预测模型，与指数平滑方法平行发展，在学术界曾被认为更加"严谨"。

关键内容

1. 历史发展：由George Box和Gwilym Jenkins在1970年系统化，形成了著名的Box-Jenkins方法论，是时间序列分析的重要分支。

2. 模型组成：

3. AR（自回归）：利用序列自身的滞后值作为回归变量
4. I（积分）：通过差分使非平稳序列变为平稳

5. MA（滑动平均）：利用过去的误差项进行建模

6. 参数结构：ARIMA(p,d,q)模型包含三个参数，分别代表自回归阶数、差分次数和移动平均阶数。

7. 学术地位：很长一段时间里，学术界认为ARIMA比指数平滑更"严谨"，因为它有完整的统计理论支撑。

8. 与指数平滑的关系：某些指数平滑模型恰好等价于特定的ARIMA模型（例如简单指数平滑等价于ARIMA(0,1,1)）。

9. ETS框架的统一：Rob Hyndman的ETS框架揭示了指数平滑与ARIMA的深层联系，实现了两种方法的理论统一。

10. 实际应用：虽然理论上更完备，但在实际预测竞赛（如M3、M4）中，ARIMA的表现并不总是优于指数平滑方法。

来源

• 03-holt-1957-exponential-smoothing — 与指数平滑的关系
• Box-Jenkins方法 — 相关概念
• 指数平滑 — 相关概念

相关

• 指数平滑 — compares_to
• Box-Jenkins方法 — implements
• ETS框架 — relates_to
• George Box — relates_to
• Gwilym Jenkins — relates_to