统计性时域分析

统计性时域分析主要是横向挖掘时序的内生相关关系，其中，描述时序内生相关关系的两个重要统计指标是：

• 自协方差函数：就是协方差，只不过 $X_1$ 和 $X_2$ 对应的是时间序列 $X_{t_1}$ 和 $X_{t_2}$。 之所以前面有个“自”，是因为时间序列 $X_{t_1}$ 和 $X_{t_2}$ 是时间序列 $T$ 下的子序列， 只不过存在 lag（平移系数）的区别，因此是自己比较自己，形象地讲就是度量自己过去的行为对自己的影响

$$cov(X_{t_1},X_{t_2})=E[(X_{t_1}-{\mu }_{t_1})(X_{t_2}-{\mu }_{t_2})]$$

• 自相关系数：就是相关系数。分母为两个时间序列的标准差的乘积

$$\begin{array}{cc}\rho (X_{t_1},X_{t_2})& =\frac{cov(X_{t_1},X_{t_2})}{{\sigma }_{t_1}{\sigma }_{t_2}}\\ & =\frac{E[(X_{t_1}-{\mu }_{t_1})(X_{t_2}-{\mu }_{t_2})]}{\sqrt{(X_{t_1}-{\mu }_{t_1}{)}^2}\sqrt{(X_{t_2}-{\mu }_{t_2}{)}^2}}\end{array}$$

时间序列自回归

统计性时域时间序列回归的问题，并不是普通的回归问题，而是自回归。

一般回归

一般的回归问题，比如最简单的线性回归模型：

$$Y=a{X}_1+b{X}_2+\epsilon$$

讨论的是因变量 $Y$ 关于两个自变量 $X_1$ 和 $X_2$ 的线性关系， 目的是找出最优系数 $a^{\ast }$ 和 $b^{\ast }$， 使得预测值 $y=a^{\ast }{X}_1+b^{\ast }{X}_2$ 逼近真实值 $Y$。

自回归

自回归模型中，自变量 $X_1$ 和 $X_2$ 都为 $Y$ 本身，也就是说， 现在的 $Y$ 值由过去的 $Y$ 值决定，自变量和因变量都为自身，因此这种回归叫自回归。

$$Y_t=a{Y}_{t-1}+b{Y}_{t-2}+\epsilon$$

其中：

• $Y_{t-1}$ 为 $Y$ 在 $t-1$ 时刻的值
• $Y_{t-2}$ 为 $Y$ 在 $t-2$ 时刻的值

自回归模型都有着严格理论基础，讲究时间的平稳性，需要对时间序列进行分析才能判断是否能使用此类模型。 这些模型对质量良好的时间序列有比较高的精度。传统的自回归模型有：

• 自回归模型(AR, Auto Regressive)
• 移动平均模型(MA, Moving Average)
• 自回归移动平均模型(ARMA, Auto-Regressive Moving Average)
• 差分自回归移动平均模型(ARIMA)
• 指数平滑(Exponential Smoothing)

时间序列统计模型

统计模型

传统时间序列预测模型，通常指用于时间序列分析/预测的统计学模型， 比如常用的有 AR、MA、ARMA、ARIMA、指数平滑预测法(ES)等。 传统的参数预测方法可以分为两种：

• 一种拟合标准时间序列的参数方法，包括移动平均(MA)、指数平滑(ES) 等
• 另一种是考虑多因素组合的参数方法，即 AR、MA、ARMA、ARIMA 等模型

这类方法比较适用于小规模，单变量的预测，比如某门店的销量预测等。 这类方法一般是统计或者金融出身的人用的比较多，对统计学或者随机过程知识的要求比较高。 而在数据挖掘的场景中比较难适用，因为需要大量的参数化建模。 比如有一个连锁门店的销售数据，要预测每个门店的未来销量， 用这类方法的话就需要对每个门店都建立模型，这样就很难操作了。

建模方法

总的来说，基于此类方法的建模步骤是：

优缺点及意义

优点：

• 复杂度低、计算速度快

缺点：

• 由于真实应用场景的复杂多样性(现实世界的时间序列往往受到各种不同因素的限制与影响，而难以预测)， 比如受到营销计划、自然灾害等的影响
• 传统的单一统计学模型的准确率相对来说会比机器学习差一些，而机器学习模型或者更复杂的集成模型会有更好的效果

传统时间序列预测模型也有其重要的意义，比如：

• 可以作为预测的 baseline model，为项目提供一个准确率的基准线，来帮助评估其他模型的提升
• 由于其较好的可解释性，可以用来对数据进行前置清洗，可以帮助剔除一些异常值， 比如因服务器故障或者业务线逻辑调整产生的异常值
• 可以作为集成模型中的一块，参与时序集成模型的训练
• 可以提供一个预测结果的合理的范围，使用这个合理的范围， 在黑盒模型最后输出结果时，帮忙进行后置校准，从而使预测系统更加稳定

时间序列分析总结

传统统计时域分析是围绕着 ARMA 模型不断调整。因为 ARMA 模型的使用前提是平稳非随机序列， 因此传统时序要做三点检验：

• 平稳性
• 非随机性
• 方差齐性
  • 感觉方差齐性检验可以纳入平稳性检验里面

如果序列非平稳(包括非方差齐性)，可以透过对时序自身的转换

• 差分运算
• 对数变换
• …

或改进 ARMA 模型，例如：

• 差分自回归移动平均(Auto-Regressive Integrated Moving Average, ARIMA)
• 残差自回归模型(Residual Auto-Regressive, RAR)
• 自回归条件异方差模型(Auto-Regressive Conditional Heteroscedastic, ARCH)
• …

而无论是残差序列还是方差序列，本质上也是时间序列，只要存在自相关性， 那么 ARMA 模型就可以用，于是出现了残差自回归模型和自回归条件异方差模型。

ARMA 模型适用于单条时序自身训练和预测的任务，人工成本是必要的。 虽然只有一条序列，但恰恰因为只有单条序列，想要挖掘出内部有价值的信息是令人头疼的， ARMA 从时序内生关系出发，对序列进行统计学上的建模，在今天也是具有参考意义的。