Biorąc pod uwagę szereg czasowy, można oszacować funkcję autokorelacji i wykreślić ją, na przykład jak pokazano poniżej:
Co można zatem przeczytać o szeregach czasowych z tej funkcji autokorelacji? Czy można na przykład uzasadnić stacjonarność szeregów czasowych?
Edytowane : Tutaj zawarłem ACF z różnej serii z większą liczbą opóźnień
time-series
autocorrelation
utdiscant
źródło
źródło
Odpowiedzi:
ten acf sugeruje niestacjonarność, której można zaradzić, wprowadzając dzienny efekt, jak się wydaje, do struktury dowodu opóźnionego 24. Dzienny efekt może być albo autoregresyjny rzędu 24, albo może być deterministyczny, gdy 23 godzinne manekiny mogą być potrzebne. Możesz wypróbować jeden z nich i ocenić wyniki. Konieczna wydaje się dalsza struktura. Może to być konieczność uwzględnienia przesunięć poziomów lub jakiejś formy krótkoterminowej struktury autoregresyjnej, takiej jak różniczkujący operator opóźnienia 1. Po zidentyfikowaniu i oszacowaniu przydatnego trybu, reszty mogą sugerować dalsze działanie (powiększenie modelu), aby zapewnić, że sygnał w pełni wyodrębnił wszystkie informacje i przetworzył proces szumu, który jest normalny lub gaussowski. To odpowie na twoje niejasne pytanie dotyczące „stabilności”. Mam nadzieję że to pomoże !
Drobny dodatek!
Słowo „sugeruje” jest używane, ponieważ acf nie jest ostatnim słowem na ten temat, podczas gdy rzeczywiste dane są. W przypadku braku rzeczywistych danych acf jest czasem przydatny w charakteryzowaniu procesu.
źródło