时间序列 ACF 和 PACF 理解、代码、可视化
时间序列 ACF 和 PACF 理解、代码、可视化
我们说时间序列可以被预测，主要基于以下事实：我们可以部分掌握影响该时间序列的因素的变化情况。换句话说，对时间序列进行预测，其实就是利用各种理论和工具，对观察到的时间序列进行“抽丝剥茧”，以试图掌握其变化的本质，从而对未来的表现进行预测。
而自相关性是时序预测的基础，对于时序的平稳性、白噪声检测、确定
模型中的阶数（p/q）有着重要的作用。本篇将着重介绍自相关的概念
和
。
ACF 自相关函数
概念理解
ACF（Autocorrelation Function）就是用来计算时间序列自身的相关性的函数。
对于同一时间
的计算，
，这个很好理解。
如果是不同的时间，比如
，该如何计算呢？
实际上，在应用自相关函数时，其输入分别为原始的时间序列
及其
阶滞后序列
，于是
就变成了：
，这里两个序列的长度是一致的，如下图所示：
计算和代码
ACF的公式定义为：
Python代码实现可以直接使用statsmodels包进行计算，当然也可以自己通过Numpy复现一遍公式，结果是一样的。
import numpy as np
# statsmodels包计算acf
import statsmodels.tsa.stattools as stattools
def default_acf(ts, k):
return statools.acf(ts, nlags=k, unbiased=False)
# 手撸公式计算acf，有偏
def acf(ts, k):
""" Compute autocorrelation coefficient, biased
"""
x = np.array(ts) - np.mean(ts)
coeff = np.zeros(k+1, np.float64) # to store acf
coeff[0] = x.dot(x) # N*c(0)
for i in range(1, k+1):
coeff[i] = x[:-i].dot(x[i:]) # (N-k)*c(i)
return coeff / coeff[0]
可视化
通过可视化可以更清楚的看出不同lag的系数值和趋势变化，通过statsmodels函数的直接绘制，以下是示例。
import pandas as pd
import matplotlib.pyplot as plt
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
df = pd.read_excel('data.xlsx',engine='openpyxl')
df['price'].plot()
plot_acf(df['price'], lags=40, adjusted=False)
plt.show()
第一个图是一组时间序列的数据。第二个图是计算的ACF相关系数图。
ACF图的横坐标表示滞后的阶数，纵坐标表示对应的滞后序列与原始序列的相关系数。可以看出，随着滞后阶数的增加，滞后序列与原始序列的相关性也在不断地降低。图中的蓝色区域表示置信区间，用来标识相关系数是否具有统计显著性。简单来说，如果相关系数落在置信区间内，表明对应的两个序列的相关系数并不能代表其真实相关性。
即使是两个完全不相干的白噪声序列，由于随机性的影响，其相关系数也不可能全都为0，因此，需要使用置信区间来过滤掉那些由于随机性造成的“伪相关”。
PACF 偏自相关函数
概念理解
我们知道求导是对所有项都求导，求偏导只对某一个求导忽略其他项。
和
也可以理解为这样的关系。
前面我们计算
自相关函数时，得到的并不是
与
之间单纯的相关关系。因为
同时还会受到中间
个随机变量
、
...
的影响，而这
个随机变量又都和
具有相关关系，所以自相关系数里面实际掺杂了其他变量对
与
的影响。
为了得到
对
的直接影响，引入了偏自相关系数
的概念。滞后
偏自相关系数是指，对于平稳时间序列
，在剔除了中间
个随机变量
、
...
的干扰之后，
对
影响的纯相关程度。
计算和代码
的计算比
要复杂很多。这里我们借助AR模型来说明，对于AR(p)模型，一般会有如下假设：
其中，
是线性相关系数，
是噪声，即我们假设点
与前
个点
是线性相关的。而
所要表示的就是点
与点
的相关性，所以，
序列的偏相关系数PACF：
有几种方法可以求解相关系数，方法包括最小二乘法（MLS）、尤尔-沃克方程（Yule-Walker equation）、伯格算法（Burg"s method。由于公式推导内容较多，本篇对求解方法不做详细介绍。
Python计算代码如下：
import numpy as np
from scipy.linalg import toeplitz
# 使用statsmodels
import statsmodels.tsa.stattools as stattools
def default_pacf(ts, k):
return statools.pacf(ts, nlags=k, unbiased=True)
# 尤尔-沃克方程公式复现
def yule_walker(ts, order):
''' Solve yule walker equation
'''
x = np.array(ts) - np.mean(ts)
n = x.shape[0]
r = np.zeros(order+1, np.float64) # to store acf
r[0] = x.dot(x) / n # r(0)
for k in range(1, order+1):
r[k] = x[:-k].dot(x[k:]) / (n - k) # r(k)
R = toeplitz(r[:-1])
return np.linalg.solve(R, r[1:]) # solve `Rb = r` to get `b`
def pacf(ts, k):
''' Compute partial autocorrelation coefficients for given time series，unbiased
'''
res = [1.]
for i in range(1, k+1):
res.append(yule_walker(ts, i)[-1])
return np.array(res)
可视化
使用statsmodels函数直接绘制，methond可以选择合适的方法求解，下面使用最小二乘法ols进行求解。
# 使用最小二乘法ols求解
plot_pacf(df['price'], lags=40, method='ols')
plt.show()
以上就是对
和
的介绍，理解自相关的概念对于学习时间序列非常重要，下一篇将介绍它们的应用场景。
参考链接 [1].https://blog.csdn.net/SunJW_2017/article/details/126993853，芳樽里的歌 [2].https://www.jianshu.com/p/811f9ea0b52d，洪于祥 [3].https://zhuanlan.zhihu.com/p/59089924，gwave [4].https://www.statsmodels.org/ [5].https://mp.weixin.qq.com/s/llMZaMkhoXLRDlFxoFlXiw，seriesc
--end--