2020 时序分析(6)
machine_learning.jpg
时序分析作为一门学科已经发展已久了，而且应用广泛。最近工作做了一些与时序相关任务，所以也想总结一下学到内容供大家参考。
- 销量预测
- 金融分析
- 房价预测
- 财务计划
- 动态定价
时间序列的定义
数学定义一般都是比较简短、严谨和抽象的语言来描述一个概念。按时间序列排序的一组随机数变量.
表示一个随机事件的时间序列，简记为
在时序预测中，每一个数据，也就是我们看到的数值其实都是一个随机变量，服从一定分布，这里点需要大家理解一下就是我们需要把数值看成一个随机变量。其实我们看到值，也可以称为观察值其实是时间随机序列的一个实现，或者叫做实例，所有我们看到历史数据就是随机时间序列一组样本。
其实我们通过分析来把握这个随机时序的性质，
- 总体分布
- 边缘分布
- 联合分布
- 均值和方差
因为我们知道每一个点都是服从整体分布。只要我们通过数据得到这些随机时序的性质，也就是掌握随机变量的模样。其实就是一个数理统计过程，也有点类似机器学习中生成模型。
其实上面就简述了时间序列任务总体方案
- 随机抽样
- 观察值序列
- 通过观察值我们分析出随机序列性质
- 根据这些性质建立模型，所谓的模型就是我们数学方式将这些分析性质描述和表示出来
- 使用模型进行预测
有了整体方案，我们一步一步按照这些步骤去去做，然后把需要填填上就完成时序预测。
时间序列分析
上面内容一看任务的关键步骤就是时间序列分析，那么什么是时间序列分析呢？一句话时间序列分析就是对时间序列进行统计分析。
- 其中统计就是把随机事件变化发展的过程记录下来
- 其中分析就是寻找发展变化过滤
时间序列分析方法
那么具体分析方法有那些呢？主要有两种，分别是描述性时序分析和统计时序分析。
-
描述性时序分析
什么是描述分析，就是我们通过观察数据，和数据生成图表来进行分析寻找规律。这种方式操作简单、也比较直观 -
统计时序分析
统计时序分析，就是我们用一些规律和统计方法来分析寻找时序的规律。 -
频域分析方法
任何一种无趋势的时间序列都可以分解成若干不同频率的周期波动。大家看到分解为若干不同频率的周期波动，就会想起傅立叶分析，傅立叶变换不但被应用在语音和图像，也可以通过傅立叶变换将时间序列分解为若干正弦和余弦的函数。 -
时域分析方法
最近分析时序主要方向就是时域分析方法，时序分析主要从自相关的角度来揭示时序发展的规律。我们这里说一说时域分析的基本思想，通常我们认为事件发展具有一定惯性，这里惯性用统计语言来说就是序列值之间的相关关系，也就是自相关。 -
考察观察值序列的特征
-
根据序列的特征选择适当的拟合模型
-
根据序列的观察数据确定模型的口径
-
检测模型优化模型
-
拟合模型预测
