时间序列预测季节性类型

数据挖掘 时间序列 预测
2022-03-04 20:50:51

众所周知,季节性类型有两种,加法和乘法,但我很难区分它们。据我了解,在乘性季节性中,季节性的大小会随着趋势而增长。例如,随着上升趋势,一个季节的幅度会变得更大。但是,如果季节性的幅度增加但趋势保持不变怎么办。换句话说,一个季节的最小值似乎总是在一条水平线上,但最大值不断增加。这是怎样的季节性?我可以用什么模型来描述这个数据系列?

编辑: 具有加性季节性和乘性季节性的 Holt-Winters

这是预测、原理和实践中给出的公式。根据我的阅读,在乘法季节性情况下,趋势和水平似乎没有相乘。同样在 statsmodels 库中,趋势和季节性都可以选择为乘法或加法。谁能澄清一下我们应该在这里谈论什么样的加法模式?

1个回答

每个时间序列至少可以分解为三个元素:

  • 趋势
  • 季节性成分
  • 噪音

加法模型可以解释为:

y = Trend + Seasonal + Noise

而乘法分量为:

y = Trend * Seasonal * Noise

主要区别在于,在加法模型的情况下,所有三个组件都独立地影响您的因变量。相反,在乘法模型的情况下,每个组件的影响都依赖于其他组件。

“正确”模型的选择取决于手头的问题。如果您假设季节性效应独立于趋势水平,则使用加法模型。如果您认为趋势的值会影响季节性效应的大小,那么选择乘法的。

希望这会有所帮助,否则请告诉我。