预测时的差分问题
有时候做预测,为什么要把原始数据做差分?差分之后预测效果更好吗?除了差分还有什么方法使预测更准确?因为很多的时间序列预测方法都是基于‘序列平稳的’这个假设的,假如序列不是平稳的,如有向上趋势,那就要先做差分,转变为平稳的序列,然后用一般方法预测后再‘反差分’变为原来的数据 那看数据特点的吧,时间预测不还有季节性预测什么的;还有什么数据较少的时候用灰色预测啊啥的 用滞后算子带入表示,表示为yt= u+(滞后算子表示的式子)et 就能转换回去了 举个事例,当你采用eviews进行预测时,会发现有时候预测后的模型精度不够,这时就需要采用一阶差分处理来提升模型精度
页:
[1]