數據挖掘——時間序列算法之組合模型

前言

1、平滑法
2、趨勢擬合法
3、組合模型
4、AR模型
5、MA模型
6、ARMA模型
7、ARIMA模型
8、ARCH模型
9、GARCH模型及其衍生模型

ARMA算法、ARIMA算法、ARCH算法、GRACH算法都是在AR、MA等基礎理論算法上提出來的，所以組合模型作爲一種基礎性理論奠定了後面算法的思想，所以，此處也只是簡單描述下組合模型的思想，過多深入的數學表達不做詳述。

受時間影響，有些數據會明顯的出現不同的長期趨勢(T)、季節變動(S)、週期變動©和不規則變動(e)（可視爲擾動），考慮這四種因素的影響，根據各自序列的特點，可以構建加法模型和乘法模型：
$加法模型：x_{t}=T_{t}+S_{t}+C_{t}+e_{t}$
$乘法模型：x_{t}=T_{t}*S_{t}*C_{t}*e_{t}$

簡而言之，就是將這四種因素考慮到算法模型中，不同的組合方式的選擇性較大。