从时间序列的自相关函数中可以读取什么?


11

给定一个时间序列,可以估计自相关函数并将其绘制出来,例如,如下所示:

时间序列

ACF

那么,从这个自相关函数可以读取时间序列的什么信息?例如,是否可以推断时间序列的平稳性?

编辑:这里我包括了差异较大的系列的ACF,但有更多的滞后

差异后的ACF


1
将ACF绘制到更大的滞后(也许几百个)可能会有所帮助吗?
一站式

您如何定义时间序列的稳定性?
mpiktas 2011年

1
您是说平稳吗?
主教

是的,我的意思是平稳。
utdiscant

Answers:


3

该acf表示非平稳性,可以通过合并每日效应来弥补,因为它似乎在滞后24时证明了结构。每日效应可以是24阶自回归,也可以是确定性的,可能需要每小时23个虚拟变量。您可以尝试任何一种方法并评估结果。似乎需要进一步的结构。这可能是因为需要包括电平转换,也可能是某种形式的短期自回归结构,例如滞后1的微分算子。在识别和估计有用模式后,残差可能会建议采取进一步行动(模型增强)以确保信号已完全提取所有信息,并产生了正常或高斯的噪声过程。然后,这将回答您关于“稳定性”的模糊问题。希望这可以帮助 !

略加!

使用“建议”一词是因为acf并不是最终的词,而实际数据却是。在缺少实际数据的情况下,acf有时可用于表征过程。


2
我认为时间序列图非常清楚地表明,不平稳性不会被24个滞后量级的任何东西所弥补。我怀疑您在大约24个滞后时看到的“结构”实际上是在第一幅图中也非常明显的高频振荡。确实,作为一个粗略的估计,我计算了索引3500和4000之间的可见谷,我看到了其中的20个。如果要解决一个简单的lag-1差异,您可能会看到ACF系数的衰减非常明显的1 / f。在我看来,它看起来并不像现在那样,但是绘制的滞后很少。
主教

:cardinal您所说的可能是正确的。实际数据将有助于评估潜在信号。我没有访问数据清理程序,尽管我看到其他一些海报也提到了该程序。也许可以发布实际数据或引用执行tha的数据/屏幕清理程序。
IrishStat

1
为什么在区分序列之前先分析ACF?如果有明显趋势,那不是几乎普遍的做法吗?
rolando2 2011年

:Rolando我对acf进行分析或评论的原因是OP想要的。我同意您的意见,即您可能想通过纠正表面上的不稳定来处理“ acf的持久性”。正确的补救措施不一定会有所不同,请参阅insead.edu/facultyresearch/research/doc.cfm?did=46900。您可以简单地模拟一个时间序列,该时间序列的平均值具有一个或多个“急剧”变化,但其他情况是随机的。研究acf,将发现错误的证据表明一个人需要对序列进行差分以获得平稳序列。
IrishStat

1
@IrishStat:谢谢您的评论。您所引用的论文肯定与绝大多数时间序列文献不一致。看来是从1995年开始的;如何收到的?它被标记为“工作文件”;有没有得到同行评审?
rolando2
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.