时间序列分析（时间序列分析方法有哪些）

一，什么是时间序列？

时间序列简单的说就是各时间点上形成的数值序列，时间序列分析就是通过观察历史数据预测未来的值

时间序列分析并不是关于时间的回归，它主要是研究自身的变化规律的

二，时间序列的类别

1，纯随机序列

又称为白噪声序列，序列的各项之间没有任何相关关系，完全是无序的随机波动，这样的序列没有任何信息可以提取

2，平稳非白噪声序列

他的均值和方差是常数，对于这样的序列，现在已经有成熟的建模方法，通常是建立一个线性模型来拟合该序列的发展，借此提出有用的信息，ARMA 模型是最常用的平稳序列拟合模型（线性拟合并不是和时间的拟合，而是和本身的拟合）

3，非平稳非白噪声序列

对于非平稳序列，他的方差和均值不稳定，一般是先将其转换成平稳序列，这样就可以使用平稳时间序列的方法来分析，如ARMA模型；如果一个时间序列可以经差分后具有平稳性，则该序列是差分平稳序列，可以使用ARIMA模型

三：平稳性检验

1，为何要求序列平稳？

我们知道序列平稳性是进行时间序列分析的前提条件，很多人都会有疑问，为什么要满足平稳性的要求呢？

在统计学中，每一个问题我们都要有一个初始的基本假设，就像一些假设检验就要求数据符合正态分布，一个回归方程，要求Xi完全独立不相关，而且误差要符合均值为0的正态分布，而在时间序列分析上，最重要的假设前提就是序列的平稳性（来自一个知乎的牛叉解读），所以平稳的基本思想是：时间序列行为不能随着时间改变而改变，

2，平稳时间序列的定义：

平稳有强平稳和弱平稳之分，这里我们主要说弱平稳。ps:强平稳条件限制太强，难以验证

对于随机变量 X ,可以计算期均值也就是数学期望 μ ，方差 σ^2，对于两个随机变量X 和 Y，可以计算 X，Y的协方差cov(X,Y)=E[(X- μx)(Y-μy)]和相关系数ρ(X,Y)=cov(X,Y)/σXσY,他们度量了两个不同事件之间的相互影响程度。

对时间序列{Xt，t∈T}，任意时刻的序列值Xt都是一个随机变量，每一个随机变量都会有均值和方差，任意取 t,s∈T，则他的自相关协方差函数 γ(t,s) = E[(X- μt)(Y-μs)] 和自相关系数ρ(t,s) = cov(Xt,Xs)/σtσs，之所以是自协方差函数和自相关系数，就是因为他们衡量的是同一件事在两个不同时期（时刻 t 和时刻 s ）之间的相关程度，简单讲就是度量自己过去的行为对自己现在的影响！

如果时间序列{Xt，t∈T}在某一个常数附近波动且波动范围有限，即有常数均值和常数方差，并且延迟 k 期的序列变量的自协方差和自相关系数不变，或者说延迟 k 期的序列变量之间的影响程度一样，则称时间序列{Xt，t∈T}为平稳序列！

总结就是：

• 常数均值
• 常数方差
• 常数自协方差和自相关系数

3，平稳性检测

对序列的平稳性检验有两种检验方法：

• 根据时序图和自相关图的特征做出的图检验，操作简单，但是带有主观性

1）时序图检验：根据平稳时间序列的均值和方差为常数，平稳序列的时序图显示该序列应该在一个常数附件波动，而且波动范围有限，如果有明显的趋势性和周期性，则不是平稳序列

2）自相关图检验：平稳序列具有短期相关性，这个表明通常只有近期德尔序列值对现在的值影响比较明显，间隔越远的过去值对现在值影响越小。随着延迟期数 k 的增加，平稳性的自相关系数 ρk会比较快的衰减趋向于零，并在0附件波动，而非平稳序列的自相关系数衰减的速度比较慢，这是利用自相关图进行平稳检验的依据。

• 构造检验统计量进行检验，常用的是单位根检验，还有 kpss 检验

单位根ADF检验指检验序列中是否存在单位根，如果存在，就是非平稳时间序列

ADF方法：原假设：序列有一个单位根（a=1的值)，备则假设：该序列没有单位根如果接受原假设，则该序列是非平稳的，是可以差分平稳的

KPSS检验的作者将原假设定义为趋势平稳，并将备择假设定义为单位根序列

from statsmodels.tsa.stattools import adfuller,kpss
adf = adfuller(data['销量']) #print(dftest)
adfout = pd.Series(adf[0:4],index=['Test statistic','p-value','lag Users',\
 'Number of Observations Used'])
print('ADF检测:',adfout)
kpsstest=kpss(data['销量'])
print('KPSS检测:',kpsstest)

四：序列随机性检验

如果一个序列是纯随机序列，那么他的序列值之间完全没有任何关系，这是一种理想的状态，实际上纯随机序列的样本自相关系数不会为零，但是接近于零，在零附件波动。

纯随机性检验也叫白噪声检验，一般是构造检验统计量来检验序列的随机性，常用的统计量有Q统计量，LB统计量等。有样本各延期数的自相关系数可以计算得到统计检验量，然后计算出对应的p值，如果p值显著大于显著性水平α，则表示该序列不能拒绝纯随机的原假设，可以停止对该序列分析了。

from statsmodels.stats.diagnostic import acorr_ljungbox
print('白噪声检测结果:',acorr_ljungbox(diff1,lags=1)) #返回结果:[统计量，pvalue]
from statsmodels.tsa import stattools
stattools.q_stat #返回Ljung-Box Q统计量,用来做随机性检测

五：常用的时间序列模型

1，平稳时间序列分析

ARMA模型的全称是自回归移动平均模型，他是目前最常用的拟合模型平稳序列的模型，他又可以细分为AR模型，MA模型和ARMA模型，都可以看成是多元线性模型

1)自相关系数(ACF)

平稳AR(P)模型的自相关系数ρ(k) = cov(Xt,Xt-k)/σtσt-k 呈指数的速度衰减，始终有非零值，不会在k大于某个常数之后就恒等于零，这个就是平稳AR(P)模型的自相关系数ρ(k) 具有拖尾性

2）偏自相关系数(PACF)

对于平稳AR(P)模型，求出延迟k 期自相关系数ρ(k)时，实际上得到的并不是Xt与Xt-k之间单纯的相关关系，因为Xt还会受到中间k-1个随机变量Xt-1,Xt-2，... ,Xt-k的影响，所以ρ(k)实际上掺杂了其他变量对Xt与Xt-k的相关影响，为了单纯测算Xt-k 对 Xt的影响，引进了偏自相关系数。

平稳AR(P)模型偏自相关系数具有p阶截尾性，这个和自相关系数的拖尾性是AR(P)模型重要的识别依据！

1.1 AR模型

能够以以下结构表示的模型统称为p阶自回归模型，简称为AR(p)

xt = φ0+ φ1xt-1 +φ2xt-2+...+ φpxt-p + εt

即，在 t 时刻的随机变量Xt的取值 xt 是前 p 期xt-1,xt-1 , ... , xt-p的多元线性回归，认为xt主要受过去p期的序列值的影响，误差是当前的随机误差 εt，为零均值的白噪声序列-

1.2 MA模型

具有一下结构的模型称为q阶移动平均模型MA(q)

xt = μ +εt - θ1εt-1 - θ2εt-2 - ...- θqεt-q

在t时刻的随机变量Xt的取值xt 是前 q 期的随机误差εt-1 ，εt-2 ，...，εt-q的多元线性函数，误差项是当期的随机误差εt ，为零均值的白噪声序列，μ 是 序列{Xt}的均值，这里认为xt 主要是受过去q 期的误差项影响。

性质如下：

1.3 ARMA模型

如果满足以下结构的模型，则称为自回归平均模型ARMA(p，q)

xt = φ0+ φ1xt-1 +φ2xt-2+...+ φpxt-p + εt - θ1εt-1 - θ2εt-2 - ...- θqεt-q

在t时刻的随机变量Xt的取值xt 是前 p 期xt-1,xt-1 , ... , xt-p和前 q 期的随机误差εt-1 ，εt-2 ，...，εt-q的多元线性函数，误差项是当期的随机误差εt ，为零均值的白噪声序列，认为xt 主要是受过去p期的序列值和q 期的误差项的共同影响影响

ps：当q=0时，是模型；当p=0时，是MA(q)模型

平稳 ARMA模型性质如下：

六：平稳时间序列建模过程

1，计算ACF，PACF，自相关图和偏自相关图

2，ARMA模型识别，也称为模型定阶，由自相关系数和偏自相关系数性质，选择合适的模型

ARMA模型识别原则：

这样识别主观性比较大.

可以通过AIC,BIC来准则来得到p和q，这两个指标越小越好

很多参数估计问题均采用似然函数作为目标函数，当训练数据足够多时，可以不断提高模型精度，但是以提高模型复杂度为代价的，同时带来一个机器学习中非常普遍的问题——过拟合。所以，模型选择问题在模型复杂度与模型对数据集描述能力（即似然函数）之间寻求最佳平衡。

人们提出许多信息准则，通过加入模型复杂度的惩罚项来避免过拟合问题，此处我们介绍一下常用的两个模型选择方法——赤池信息准则（Akaike Information Criterion，AIC）和贝叶斯信息准则（Bayesian Information Criterion，BIC）。

AIC是衡量统计模型拟合优良性的一种标准，它建立在熵的概念上，提供了权衡估计模型复杂度和拟合数据优良性的标准。

通常情况下，AIC定义为：2K-Zln(L)

其中k是模型参数个数，L是似然函数。从一组可供选择的模型中选择最佳模型时，通常选择AIC最小的模型。

当两个模型之间存在较大差异时，差异主要体现在似然函数项，当似然函数差异不显著时，上式第一项，即模型复杂度则起作用，从而参数个数少的模型是较好的选择。

一般而言，当模型复杂度提高（k增大）时，似然函数L也会增大，从而使AIC变小，但是k过大时，似然函数增速减缓，导致AIC增大，模型过于复杂容易造成过拟合现象。目标是选取AIC最小的模型，AIC不仅要提高模型拟合度（极大似然），而且引入了惩罚项，使模型参数尽可能少，有助于降低过拟合的可能性。

BIC贝叶斯信息准则与AIC相似，用于模型选择。训练模型时，增加参数数量，也就是增加模型复杂度，会增大似然函数，但是也会导致过拟合现象，针对该问题，AIC和BIC均引入了与模型参数个数相关的惩罚项，BIC的惩罚项比AIC的大，考虑了样本数量，样本数量过多时，可有效防止模型精度过高造成的模型复杂度过高。

通常情况下,BIC = kln(n)-zln(L)

其中，k为模型参数个数，n为样本数量，L为似然函数。kln(n)惩罚项在维数过大且训练样本数据相对较少的情况下，可以有效避免出现维度灾难现象

参考：https://blog.csdn.net/lynnucas/article/details/47947943

#定阶，一般p,q最大值都不会超过数据长度的十分之一
pmax=int(len(data)/10)
qmax=int(len(data)/10)
bic_matrix=[]
for p in range(pmax+1):
 tmp=[]
 for q in range(qmax+1):
 try:
 tmp.append(ARMA(data,(p,q)).fit().bic)
 except:
 tmp.append(None)
 bic_matrix.append(tmp）
bic_data = pd.DataFrame(bic_matrix)
p,q = bic_data.stack().idxmin()
print('BIC最小的p和q值为：%s,%s'%(p,q))

3，模型检验

残差为白噪声序列

from statsmodels.stats.diagnostic import acorr_ljungbox
#需要对模型进行残差检测是否为白噪声序列，满足才可以接着进行预测
resids = model.resid #模型残差
#要求残差为纯随机序列，也就是白噪声序列
print('残差的白噪声检测结果:',acorr_ljungbox(resids,lags=1))
#残差独立性检测,durbin_watson结果在2附近说明满足残差独立性
print('durbin_watson检测结果：',sm.stats.durbin_watson(resids))
# qq图，检测是否符合正态分布
qqplot(resids)

4，模型优化

5，模型应用，用来预测接下来短时间的数据序列

七：非平稳时间序列分析过程

我们上面说了平稳序列的分析过程，但是实际上在，我们遇到的大部分的序列大都是非平稳的，因此对非平稳序列分析更加普遍，真正项目中用到的也是如此。

对于非平稳时间序列，一般常用的模型有ARIMA模型，残差自回归模型，异方差模型。一般使用ARIMA更为普遍。

1，差分运算，对于非平稳时间序列，可以通过差分运算来变成差分平稳序列

• 相距一期的两个序列之间的值相减运算称之为1阶差分运算
• 相距 k 期的两个序列之间的值相减运算称之为k 步差分运算

2，ARIMA模型

差分运算具有强大的确定性信息提取能力，许多非平稳序列差分后会显示出平稳序列的性质，这时的非平稳序列称之为差分平稳序列。对差分平稳序列就可以使用ARMA模型进行拟合。ARIMA模型实质上就是差分运算和ARMA模型的组合。如果你对时间序列做d次差分才能得到一个平稳序列，

那么可以使用ARIMA(p,d,q)模型，其中d是差分次数。对于差分后的平稳序列，分析方法同平稳序列一样。