Как коэффициент автокорреляции помогает улучшить качество моделей временного ряда?

Коэффициент автокорреляции помогает улучшить качество моделей временного ряда несколькими способами:

• Выявление особенностей поведения ряда. 3 Автокорреляционная функция позволяет обнаружить тренды, циклическую и случайную компоненты. 3 Это важно, так как в основе прогнозирования лежит предположение о том, что действующие в наблюдаемом периоде особенности поведения временного ряда будут иметь место и в будущем. 3
• Определение, сколько прошедших временных шагов (лагов) следует включить в модель. 4 Коэффициент автокорреляции помогает выбрать подходящий порядок задержки. 4
• Оценка, является ли временной ряд стационарным. 4 Это означает, что его статистические свойства, такие как среднее значение и дисперсия, остаются неизменными с течением времени. 4 Если автокорреляции сохраняются или медленно затухают, это может указывать на нестационарность, предполагающую, что ряд нуждается в преобразовании перед моделированием. 4
• Определение, насколько хорошо ряд «помнит» свои предыдущие значения. 1 Скорость падения коэффициента автокорреляции говорит о том, насколько хорошо ряд «помнит» свои предыдущие значения. 1 Если корреляция падает быстро с ростом смещения, ряд быстро «забывает» предыдущие значения. 1 Если корреляция падает медленно, то имеет место относительно устойчивый процесс во времени. 1
• Определение периодичности (сезонности). 1 Если функция автокорреляции быстро спадает, а затем снова растёт, образуя один или несколько пиков, это означает, что ряды вновь начинают совпадать, если их сместить друг относительно друга на достаточное смещение по времени. 1 То есть исходный ряд демонстрирует периодичность. 1