你已經用多種模型進行模擬、配適,並建立了預測,現在應該對各模型的外觀與適用情境有相當概念了。
右側的圖有四個分割面板,分別顯示本課程介紹的四種模型各自模擬出的一段時間序列。這四種模型包含 white noise(WN)、random walk(RW)、autoregressive(AR)與 simple moving average(MA)。
請將每個時間序列圖與對應的模型 WN、RW、AR、MA 配對。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
本章將帶你了解如何在 R 中整理與視覺化時間序列資料。你會學到時間序列分析中廣泛使用的數個簡化假設,以及金融時間序列的常見特性。
在本章中,你將進行趨勢觀察,並學習白噪音(WN)模型、隨機漫步(RW)模型,以及平穩程序的定義。
本章將複習相關係數,並用它來比較兩個時間序列;同時也會將其套用於時間序列與其過去值的比較,即自我相關。你將認識自我相關函數(ACF),並練習為時間序列資料估計與視覺化自我相關。
本章將介紹自我迴歸(AR)模型及其若干基本性質。你也會在 R 中練習模擬與估計 AR 模型,並將 AR 模型與隨機漫步(RW)模型進行比較。
本章將介紹簡單移動平均(MA)模型及其若干基本性質。你也會在 R 中練習模擬與估計 MA 模型,並將 MA 模型與自我迴歸(AR)模型進行比較。
當前練習