首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    CCF乘用车细分市场销量预测之ARIMA模型

    介绍ARIMA之前,我们首先介绍一下时间序列模型和一般建模的区别。想象一下我们预测某个人贷款是否会违约,我们已知的特征中包含用户贷款时间以及用户的个人信息。虽然数据中保存时间信息,但是显然此类问题不是一个时序问题。在想象一下我们预测某种车型在某省接来四个月的销量,根据我们的常识判断,前几个月的销量如果一直很高的话,那么接下来几个月的销量有很大可能较高,反之亦然,也即是说我们要预测的值可能会受到历史数据的影响,显然此时一个时序问题。简而言之,判断的标准就是预测变量和之前的预测值之间是否彼此独立还是存在一定关系。

    01

    数理统计之数据预测:浅谈ARIMA模型

    ARIMA模型最重要的地方在于时序数据的平稳性。平稳性是要求经由样本时间序列得到的拟合曲线在未来的短时间内能够顺着现有的形态惯性地延续下去,即数据的均值、方差理论上不应有过大的变化。平稳性可以分为严平稳与弱平稳两类。严平稳指的是数据的分布不随着时间的改变而改变;而弱平稳指的是数据的期望与向关系数(即依赖性)不发生改变。在实际应用的过程中,严平稳过于理想化与理论化,绝大多数的情况应该属于弱平稳。对于不平稳的数据,我们应当对数据进行平文化处理。最常用的手段便是差分法,计算时间序列中t时刻与t-1时刻的差值,从而得到一个新的、更平稳的时间序列。

    02
    领券