时间序列分析

概述

时间序列分析是统计学的一个分支，专门研究按时间顺序排列的数据序列的规律性和预测方法。

关键内容

1. 发展历程：
2. 20世纪20年代前：主流方法是物理学家Arthur Schuster提出的周期图法
3. 1927年：George Udny Yule提出自回归模型，开创现代时间序列分析

4. 后来发展出滑动平均（MA）、ARIMA等完整框架

5. 核心模型：

6. 自回归模型（AR）：用过去的值预测现在
7. 滑动平均模型（MA）：用随机冲击的滑动平均解释周期

8. ARIMA模型：自回归积分滑动平均模型，由Box-Jenkins推广

9. 两大类受扰序列：

10. 第一类：噪声叠加在观测值上，不影响系统本身（适合周期图法）

11. 第二类：扰动作用于机制本身（适合自回归模型）

12. 现代应用：

13. 金融预测：股票价格、利率走势建模
14. 气象预报：大气压力和温度的时序分析
15. 信号处理：语音编码、地震波分析
16. 经济学：经济周期研究

来源

• yule-1927-ar-model — 发展历程与核心概念

相关

• 自回归模型 — part_of
• 周期图法 — compares_to
• George Udny Yule — relates_to
• Eugen Slutsky — relates_to
• ARIMA模型 — extends