第二章：时间序列分析核心概念

文档摘要

第二章：时间序列分析核心概念第二章：时间序列分析核心概念在深入理解 ARIMA 模型之前，掌握时间序列分析的一些基础概念至关重要。本章将介绍构成时间序列的基本要素、时间序列分析中核心的“平稳性”概念，以及用于识别序列结构的关键工具——自相关函数（ACF）与偏自相关函数（PACF），最后讨论作为基准模型的白噪声序列。 2.1 时间序列的组成要素：趋势、季节性、周期性、随机性时间序列通常可以被分解为几个可识别的组成部分。这种分解有助于我们理解数据的潜在模式，并为后续的模型选择提供线索。常见的分解模型分为加法模型和乘法模型，但核心组成部分是相同的：趋势（Trend）：指时间序列在长期内表现出的持续向上或向下的运动。它反映了序列的整体发展方向，例如经济增长、人口变化、技术进步等带来的影响。