如何使用自相關圖來解釋時間序列數據？

我們如何使用自相關圖或相關圖來解釋時間序列數據？

我有 6 個不同的 acf 圖（a、b、c、d、e、f），從這 6 個圖中我可以辨識出什麼樣的資訊和模式？

圖b是一條直線，因為該系列中的所有值都相同。

僅通過查看圖表，我會說：

1. 單位根
2. 常數係列
3. 季節性
4. 增強現實模型
5. 或交流電
6. 或交流電

有大量文本可以回答這個問題，最簡單和免費的來源是來自蒙納士大學的 Rob Hyndmans 線上預測文本，https: //otexts.com/fpp2/ ，該主題在許多時間序列書籍和計量經濟學文本中都有介紹，另一個很好的通用參考是 Galit Schmueli 的課程，他免費開設了關於未來學習的課程，內容是 R 中的時間序列分析，R 中的實用時間序列預測。我的文章涵蓋了這一點，但太舊了，無法推薦，這是 2005 年的一個例子Tsay 金融時間序列分析版：

令 rt 為時間索引 t 處資產的對數回報。波動率研究背後的基本思想是序列 {rt} 要麼是序列不相關的，要麼具有較小的低階序列相關，但它是一個依賴序列。為了說明，圖 3.1 顯示了英特爾公司從 1973 年 1 月到 2003 年 12 月的月度股票回報的一些函式的 ACF 和 PACF。圖 3.1a 顯示了回報的樣本 ACF，這表明除了一個小的序列相關之外沒有顯著的序列相關性。一個在滯後 7 處。圖 3.1c 顯示了絕對對數收益的樣本 ACF（即 |rt|），而圖 3.1b 顯示了平方收益 r2 t 的樣本 ACF。這兩個圖清楚地表明每月回報不是連續獨立的。結合這三個圖，似乎收益確實是序列不相關的，而是相互依賴的。

我的目的不是給你魚，而是教你如何捕魚，只有向其他專家學習才有可能，我的答案可能不在這裡也不在那裡。

引用自：https://quant.stackexchange.com/questions/55860