Time-series-moving-average
提供:Dev Guides
時系列-移動平均
定常時系列の場合、移動平均モデルは、時刻「t」での変数の値を、その前の「q」時間ステップからの残留誤差の線形関数として認識します。 残留誤差は、時刻「t」の値を先行する値の移動平均と比較することにより計算されます。
数学的には次のように書くことができます-
y _ \ {t} = c \:+ \:\ epsilon _ \ {t} \:+ \:\ theta _ \ {1} \:\ epsilon _ \ {t-1} \:+ \:\ theta _ \ { 2} \:\ epsilon _ \ {t-2} \:+ \:... +:\ theta _ \ {q} \:\ epsilon _ \ {tq} \:
「q」は移動平均トレンドパラメーターです
$ \ epsilon _ \ {t} $はホワイトノイズであり、
$ \ epsilon _ \ {t-1}、\ epsilon _ \ {t-2} … \ epsilon _ \ {t-q} $は、以前の期間のエラー項です。
「q」の値は、さまざまな方法を使用して調整できます。 「q」の適切な値を見つける1つの方法は、部分自己相関プロットをプロットすることです。
部分的自己相関プロットは、直接相関と間接相関を示す自己相関プロットとは異なり、間接相関が削除された前のタイムステップでの変数とそれ自体の関係を示します。データ。
PACPの表示
[143]で:
from statsmodels.graphics.tsaplots import plot_pacf
plot_pacf(train, lags = 100)
plt.show()
部分自己相関は、コリログラムと同じ方法で読み取られます。