时间与金融(时间金融序列分析)
假设原始时间序列为{y_t},模型拟合出来的序列为{p_t},则残差序列{e_t} 定义为原始序列和拟合序列的差值:如果模型很好的捕捉了原始时间序列的自相关性,那么残差序列{e_t}应该近似的为白噪声
假设原始时间序列为{y_t},模型拟合出来的序列为{p_t},则残差序列{e_t} 定义为原始序列和拟合序列的差值:如果模型很好的捕捉了原始时间序列的自相关性,那么残差序列{e_t}应该近似的为白噪声
图7 XGBoost模型建模流程图使用机器学习类的模型进行时间序列预测,不需要进行平稳性检验,直接对训练数据进行相关预处理即可,包括查重、查缺、清洗错误等