时间序列 - 移动平均线

---

对于平稳时间序列，移动平均模型将时间“t”处的变量值视为其之前“q”个时间步的残差误差的线性函数。通过将时间“t”处的值与之前值的移动平均值进行比较来计算残差。

从数学上来说，它可以写成 -

$$y_{t} = c\:+\:\epsilon_{t}\:+\:\theta_{1}\:\epsilon_{t-1}\:+\:\theta_{2}\:\ epsilon_{t-2}\:+\:...+:\theta_{q}\:\epsilon_{tq}\:$$

其中“q”是移动平均趋势参数

$\epsilon_{t}$ 是白噪声，并且

$\epsilon_{t-1}, \epsilon_{t-2}...\epsilon_{tq}$ 是之前时间段的误差项。

“q”的值可以使用各种方法来校准。找到“q”的适当值的一种方法是绘制部分自相关图。

部分自相关图显示了变量在先前时间步骤中与其自身的关系，并删除了间接相关性，与显示直接相关性和间接相关性的自相关图不同，让我们看看我们的“温度”变量的样子数据。

显示 PACP

在[143]中：

from statsmodels.graphics.tsaplots import plot_pacf

plot_pacf(train, lags = 100)
plt.show()

部分自相关的读取方式与相关图相同。