《应用时间序列分析:R软件陪同》——第1章 引言 1.1 时间序列的特点-阿里云开发者社区

开发者社区> 华章出版社> 正文

《应用时间序列分析:R软件陪同》——第1章 引言 1.1 时间序列的特点

简介:

本节书摘来自华章计算机《应用时间序列分析:R软件陪同》一书中的第1章,第1.1节,作者:吴喜之,刘苗著, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

第1章 引言

1.1 时间序列的特点

本书研究的时间序列主要是根据时间先后对同样的对象按等间隔时间收集的数据,比如每日的平均气温、每天的销售额、每月的降水量、每秒钟容器的压力等等.虽然这些序列所描述的对象本身(比如容器压力)可能是连续的,但由于观测值并不连续,这种时间序列数据称为离散
(discrete)时间序列.当然也有连续
(continuous)时间序列,它是不间断地取值得到的时间序列,比如地震波和一些状态控制(比如月球车是否苏醒的用1-0表示的状态)的连续观测值,但对象不一定是连续的(比如0-1状态).和用于简单最小二乘回归的横截面数据不同,时间序列的观测值有可能是相关的,比如今天的物价和昨天的物价相关,本月的CPI和上个月的CPI相关等等.
因为待研究的时间序列变量个数的不同,时间序列分为一元时间序列和多元时间序列.在使用时间序列进行预测时往往使用一个(一元)或一组(多元)时间序列的历史数据来预测其未来的值,这在一元时间序列的应用中尤其明显.在多元时间序列中也有用其他时间序列作为输入来预测另一些时间序列的情况.这些特点使得时间序列更注重序列本身的自相关,并且利用过去时间序列的模式来预测未来.因此,研究时间序列本身的性质就很重要了.对于没有规律的时间序列,或者受到其他未知的或不可观测变量影响的时间序列,人们基本上无能为力.而且,为了有足够的关于序列模式的信息,时间序列分析通常需要较多的历史数据.只有那些比较“规范”的而且信息量较大的时间序列才有可能被建模并且用于预测.此外,一些时间序列模型有很强的数学假定,但这些最多根据经验的假定永远无法用数据验证.如果不注意到这些局限性,则会导致滥用和误导.
什么是较“规范”的序列呢?比方说,对于一元时间序列来说,就是在进行一系列差分变换之后可以转变为“平稳”的序列,“平稳”是时间序列分析中的一个重要概念.一般地,平稳
的序列可以用可操作的数学模型来描述和处理;而对于多元时间序列,则希望各个序列的线性组合是平稳的,这样人们可以用数学方式来建模.这里所用的数学模型通常都是线性模型,或者是部分线性模型.
一般来说,具有规律的降水、气压、气温、湿度等序列是比较规范的时间序列.在与人类社会活动相关的序列中,食品和日用品的销售等是比较有规律的,一些宏观经济数据也是如此.但诸如股票、期货等贸易及金融数据就很难有较明确的规律性,这些时序的变动依赖于许多其他因素,而且与产生数据的市场的成熟程度有关.
下面介绍一些时间序列的例子.

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:

华章出版社

官方博客
官网链接