Skip to content

Statistics › 時間序列

時間序列分析 (Time Series Analysis) ​

依時間順序蒐集的資料。觀測值不獨立:昨天影響今天。這種時間相依性既是挑戰,也是能夠預測的原因。順序不能打亂。

建議順序 ​

text
認識資料 → 分解(趨勢 + 季節 + 殘差)→ 平滑法(基準模型)
          → 定態檢查與轉換 → ACF / PACF → ARIMA → SARIMA → 預測評估

多數古典模型假設定態 (stationarity),跳過分解與定態檢查是最常見的錯誤。

筆記 ​

筆記內容回答的問題
基礎四種成分、DatetimeIndex、resample、rolling、lag時間序列資料怎麼整理?
分解加法 / 乘法、Classical、STL趨勢與季節性各佔多少?
平滑法SMA、SES、Holt、Holt-Winters不建模型也能做的基準預測?
定態ADF、KPSS、差分、log、Box-Cox序列穩定嗎?怎麼轉換?
自相關ACF、PACF、Ljung-Box過去與現在有多相關?
ARIMAAR、MA、ARIMA、階數選擇怎麼建模相依結構?
季節性與 SARIMASARIMA、STL + ARIMA、Prophet怎麼處理季節性?
預測評估MAE、RMSE、MASE、時間序列交叉驗證預測準不準?

常用工具 ​

套件用途
pandas時間索引、resample、rolling
statsmodelsARIMA、SARIMAX、分解、ADF / KPSS
pmdarima自動選擇 ARIMA 階數
prophet趨勢 + 季節性自動建模

相關應用:Finance: Autocorrelation、時間序列異常偵測。