[人工智能]时间序列预测 | Python实现时间序列分解EMD-XGBoost数据预测

时序分解

• 朴素分解

一个时间通常由长期趋势，季节变动，循环波动，不规则波动几部分组成
长期趋势指现象在较长时期内持续发展变化的一种趋向或状态。
季节波动是由于季节的变化引起的现象发展水平的规则变动
循环波动指在某段时间内，不具严格规则的周期性连续变动
不规则波动指由于众多偶然因素对时间序列造成的影响
分解模型又分为加法模型和乘法模型。加法指的是时间序分的组成是相互独立的，四个成分都有相同的量纲。乘法模型输出部分和趋势项有相同的量纲，季节项和循环项是比例数，不规则变动项为独立随机变量序列，服从正态分布。

• STL分解

STL分解是时间序列分解里常用的方法，基于LOESS（局部加权回归）将时间序列分解成趋势分量、季节分量和余项。
STL的优势：
可以处理任何类型的季节性
允许季节成分随时间变化，并且变化的速率可以变化
季节随时间变化速率以及TC的平滑性都可以自定义
对异常值不敏感
缺点：
只有加法模式
不能自动处理日历变动或交易日影响

了解本专栏 订阅专栏 解锁全文