基于R语言的时间序列指数模型

时间序列:

(或动态序列)是指同一统计指数的值按其出现的顺序排列的一系列数字。时间序列分析的主要目的是根据已有的历史数据来预测未来。(百度百科全书)[en](or dynamic series) refers to a series of numbers in which the values of the same statistical index are arranged in the order in which they occur. The main purpose of time series analysis is to predict the future based on existing historical data. (Baidu encyclopedia)

主要考虑的因素

  1. 长期趋势(Long-term trend) : 时间序列可能相当稳定或随时间呈现某种趋势。

时间序列的趋势一般为线性(线性)、二次方程(二次)或指数函数(指数函数)。[en]The trend of time series is generally linear (linear), quadratic equation (quadratic) or exponential function (exponential function).

  1. 季节性变动(Seasonal variation) 按时间变动,呈现重复性行为的序列。 季节性变动通常和日期或气候有关。 季节性变动通常和年周期有关。

  2. 周期性变动(Cyclical variation) 相对于季节性变动,时间序列可能经历”周期性变动”。 周期性变动通常是因为经济变动。

  3. 随机影响(Random effects)

时间序列的预测方法

1.指数平滑法:描述时间序列数据的变化规律和行为, 不去试图解释和理解这种变化的原因

2.ARIMA模型:描述时间序列数据的变化规律和行为,它允许模型中包含趋势变动、季节变动、循环变动和随机波动等综合因素影响。具有较高的预测精度,可以 把握过去数据变动模式,有助于解释预测变动规律

在本文中主要介绍指数平滑法在R语言时间序列预测中的应用,最后以实例操作指数平滑法时间序列预测。

含义:

指数平滑方法(指数平滑,ES)是由Robert G.Brown提出的。布朗认为时间序列的情况是稳定的或有规律的,所以时间序列可以合理地推迟;他认为最近的过去情况会在一定程度上延续到未来,所以他对最近的数据给予了更大的权重。[en]The exponential smoothing method (Exponential Smoothing,ES) is put forward by Robert G..Brown. Brown thinks that the situation of the time series is stable or regular, so the time series can be reasonably postponed; he thinks that the recent past situation will continue to the future to some extent, so he puts a larger weight on the recent data.

模型分类及适用条件

  1. 简单指数平滑 适用条件: 相加模型,并且处于 恒定水平和没有季节性变动的时间序列

X1

Original: https://www.cnblogs.com/nxld/p/6380467.html
Author: Little_Rookie
Title: 基于R语言的时间序列指数模型

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/6052/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

发表回复

登录后才能评论
免费咨询
免费咨询
扫码关注
扫码关注
联系站长

站长Johngo!

大数据和算法重度研究者!

持续产出大数据、算法、LeetCode干货,以及业界好资源!

2022012703491714

微信来撩,免费咨询:xiaozhu_tec

分享本页
返回顶部