时间序列的预测-基础框架

AR模型解决问题

自回归模型（Autoregressive model）是用上一期的因变量来做自变量，因此也解决了缺少自变量的问题，其具体的思维框架如下。

---

AR的三个条件应用

1.自相关问题的解决

尝试自回归模型AR(1)之后，计算每一个自相关系数，对每一个自相关系数做显著性检验t检验。如果每一个自相关系数的显著性t检验都不能拒绝原假设（没有自相关），那么就用这个AR(1)模型；如果有一个自相关系数的显著性t检验都拒绝原假设（有自相关），那么继续尝试AR(2)模型，然后以新的（二元）自回归模型重新回归，估计回归参数。依次递归，直到没有自相关问题确定AR模型的阶数AP(p)。

2.当自相关问题消除后，应继续测试seasonality和ARCH behavior    

注意：在协方差平稳的条件下，AR模型的结果才可信，此时序列mean-reverting的趋势，趋向于b0/(1-b1)

完整流程图如下：