本文主要分析時間序列的趨勢和季節(jié)性，分解時間序列，實現(xiàn)預(yù)測模型。

時間序列預(yù)測是基于時間數(shù)據(jù)進行預(yù)測的任務(wù)。它包括建立模型來進行觀測，并在諸如天氣、工程、經(jīng)濟、金融或商業(yè)預(yù)測等應(yīng)用中推動未來的決策。

本文主要介紹時間序列預(yù)測并描述任何時間序列的兩種主要模式(趨勢和季節(jié)性)。并基于這些模式對時間序列進行分解。最后使用一個被稱為Holt-Winters季節(jié)方法的預(yù)測模型，來預(yù)測有趨勢和/或季節(jié)成分的時間序列數(shù)據(jù)。

為了涵蓋所有這些內(nèi)容，我們將使用一個時間序列數(shù)據(jù)集，包括1981年至1991年期間墨爾本(澳大利亞)的溫度。

導(dǎo)入庫和數(shù)據(jù)

首先，導(dǎo)入運行代碼所需的下列庫。除了最典型的庫之外，該代碼還基于statsmomodels庫提供的函數(shù)，該庫提供了用于估計許多不同統(tǒng)計模型的類和函數(shù)，如統(tǒng)計測試和預(yù)測模型。

from?datetime?import?datetime,?timedelta
import?matplotlib.pyplot?as?plt
import?numpy?as?np
import?pandas?as?pd
import?statsmodels.api?as?sm
from?statsmodels.tsa.stattools?import?adfuller,?kpss
from?statsmodels.tsa.api?import?ExponentialSmoothing
%matplotlib?inline

下面是導(dǎo)入數(shù)據(jù)的代碼。數(shù)據(jù)由兩列組成，一列是日期，另一列是1981年至1991年間墨爾本(澳大利亞)的溫度。

#?date
numdays?=?365*10?+?2
base?=?'2010-01-01'
base?=?datetime.strptime(base,?'%Y-%m-%d')
date_list?=?[base?+?timedelta(days=x)?for?x?in?range(numdays)]
date_list?=?np.array(date_list)
print(len(date_list),?date_list[0],?date_list[-1])

#?temp
x?=?np.linspace(-np.pi,?np.pi,?365)
temp_year?=?(np.sin(x)?+?1.0)?*?15
x?=?np.linspace(-np.pi,?np.pi,?366)
temp_leap_year?=?(np.sin(x)?+?1.0)
temp_s?=?[]
for?i?in?range(2010,?2020):
????if?i?==?2010:
????????temp_s?=?temp_year?+?np.random.rand(365)?*?20
????elif?i?in?[2012,?2016]:
????????temp_s?=?np.concatenate((temp_s,?temp_leap_year?*?15?+?np.random.rand(366)?*?20?+?i?%?2010))
????else:
????????temp_s?=?np.concatenate((temp_s,?temp_year?+?np.random.rand(365)?*?20?+?i?%?2010))
print(len(temp_s))

#?df
data?=?np.concatenate((date_list.reshape(-1,?1),?temp_s.reshape(-1,?1)),?axis=1)
df_orig?=?pd.DataFrame(data,?columns=['date',?'temp'])
df_orig['date']?=??pd.to_datetime(df_orig['date'],?format='%Y-%m-%d')
df?=?df_orig.set_index('date')
df.sort_index(inplace=True)
df

?

?

可視化數(shù)據(jù)集

在我們開始分析時間序列的模式之前，讓我們將每個垂直虛線對應(yīng)于一年開始的數(shù)據(jù)可視化。

ax?=?df_orig.plot(x='date',?y='temp',?figsize=(12,6))
xcoords?=?['2010-01-01',?'2011-01-01',?'2012-01-01',?'2013-01-01',?'2014-01-01',
???????????'2015-01-01',?'2016-01-01',?'2017-01-01',?'2018-01-01',?'2019-01-01']
for?xc?in?xcoords:
????plt.axvline(x=xc,?color='black',?linestyle='--')
ax.set_ylabel('temperature')

圖1 溫度時間序列

在進入下一節(jié)之前，讓我們花點時間看一下數(shù)據(jù)。這些數(shù)據(jù)似乎有一個季節(jié)性的變化，冬季溫度上升，夏季溫度下降(南半球)。而且氣溫似乎不會隨著時間的推移而增加，因為無論哪一年的平均氣溫都是相同的。

時間序列模式

時間序列預(yù)測模型使用數(shù)學方程(s)在一系列歷史數(shù)據(jù)中找到模式。然后使用這些方程將數(shù)據(jù)[中的歷史時間模式投射到未來。

有四種類型的時間序列模式:

趨勢:數(shù)據(jù)的長期增減。趨勢可以是任何函數(shù)，如線性或指數(shù)，并可以隨時間改變方向。

季節(jié)性:以固定的頻率(一天中的小時、星期、月、年等)在系列中重復(fù)的周期。季節(jié)模式存在一個固定的已知周期

周期性:當數(shù)據(jù)漲跌時發(fā)生，但沒有固定的頻率和持續(xù)時間，例如由經(jīng)濟狀況引起。

噪音:系列中的隨機變化。

大多數(shù)時間序列數(shù)據(jù)將包含一個或多個模式，但可能不是全部。這里有一些例子，我們可以識別這些時間序列模式:

維基百科年度受眾(左圖):在這張圖中，我們可以確定一個增加的趨勢，受眾每年線性增加。

美國用電量季節(jié)性圖(中圖):每條線對應(yīng)的是一年，因此我們可以觀察到每年的用電量重復(fù)出現(xiàn)的季節(jié)性。

ibex35的日收盤價(右圖):這個時間序列隨著時間的推移有一個增加的趨勢，以及一個周期性的模式，因為有一些時期ibex35由于經(jīng)濟原因而下降。

圖2 從左至右，維基百科的年度受眾，美國用電量的季節(jié)性圖，IBEX 35日關(guān)閉次數(shù)

如果我們假設(shè)對這些模式進行加法分解，我們可以這樣寫:

Y[t] = t [t] + S[t] + e[t]

其中Y[t]為數(shù)據(jù)，t [t]為趨勢周期分量，S[t]為季節(jié)分量，e[t]為噪聲，t為時間周期。

另一方面，乘法分解可以寫成:

Y[t] = t [t] *S[t] *e[t]

當季節(jié)波動不隨時間序列水平變化時，加法分解是最合適的方法。相反，當季節(jié)成分的變化與時間序列水平成正比時，則采用乘法分解更為合適。

分解數(shù)據(jù)

平穩(wěn)時間序列被定義為其不依賴于觀察到該序列的時間。因此具有趨勢或季節(jié)性的時間序列不是平穩(wěn)的，而白噪聲序列是平穩(wěn)的。從數(shù)學意義上講，如果一個時間序列的均值和方差不變，且協(xié)方差與時間無關(guān)，那么這個時間序列就是平穩(wěn)的。有不同的例子來比較平穩(wěn)和非平穩(wěn)時間序列。一般來說，平穩(wěn)時間序列不會有長期可預(yù)測的模式。

為什么穩(wěn)定性很重要呢?

平穩(wěn)性已經(jīng)成為時間序列分析中許多實踐和工具的常見假設(shè)。其中包括趨勢估計、預(yù)測和因果推斷等。因此，在許多情況下，需要確定數(shù)據(jù)是否是由固定過程生成的，并將其轉(zhuǎn)換為具有該過程生成的樣本的屬性。

如何檢驗時間序列的平穩(wěn)性呢?

我們可以用兩種方法來檢驗。一方面，我們可以通過檢查時間序列的均值和方差來手動檢查。另一方面，我們可以使用測試函數(shù)來評估平穩(wěn)性。

有些情況可能會讓人感到困惑。例如一個沒有趨勢和季節(jié)性但具有周期行為的時間序列是平穩(wěn)的，因為周期的長度不是固定的。

查看趨勢

為了分析時間序列的趨勢，我們首先使用有30天窗口的滾動均值方法分析隨時間推移的平均值。

def?analyze_stationarity(timeseries,?title):
????fig,?ax?=?plt.subplots(2,?1,?figsize=(16,?8))

????rolmean?=?pd.Series(timeseries).rolling(window=30).mean()?
????rolstd?=?pd.Series(timeseries).rolling(window=30).std()
????ax[0].plot(timeseries,?label=?title)
????ax[0].plot(rolmean,?label='rolling?mean');
????ax[0].plot(rolstd,?label='rolling?std?(x10)');
????ax[0].set_title('30-day?window')
????ax[0].legend()
?
????rolmean?=?pd.Series(timeseries).rolling(window=365).mean()?
????rolstd?=?pd.Series(timeseries).rolling(window=365).std()
????ax[1].plot(timeseries,?label=?title)
????ax[1].plot(rolmean,?label='rolling?mean');
????ax[1].plot(rolstd,?label='rolling?std?(x10)');
????ax[1].set_title('365-day?window')
?
pd.options.display.float_format?=?'{:.8f}'.format
analyze_stationarity(df['temp'],?'raw?data')
????ax[1].legend()

圖3 滾動均值和標準差

在上圖中，我們可以看到使用30天窗口時滾動均值是如何隨時間波動的，這是由數(shù)據(jù)的季節(jié)性模式引起的。此外，當使用365天窗口時，滾動平均值隨時間增加，表明隨時間略有增加的趨勢。

這也可以通過一些測試來評估，如Dickey-Fuller (ADF)和Kwiatkowski, Phillips, Schmidt和Shin (KPSS):

ADF檢驗的結(jié)果(p值低于0.05)表明，存在的原假設(shè)可以在95%的置信水平上被拒絕。因此，如果p值低于0.05，則時間序列是平穩(wěn)的。

def?ADF_test(timeseries):
????print("Results?of?Dickey-Fuller?Test:")
????dftest?=?adfuller(timeseries,?autolag="AIC")
????dfoutput?=?pd.Series(
????????dftest[0:4],
????????index=[
????????????"Test?Statistic",
????????????"p-value",
????????????"Lags?Used",
????????????"Number?of?Observations?Used",
????????],
????)
????for?key,?value?in?dftest[4].items():
????????dfoutput["Critical?Value?(%s)"?%?key]?=?value
????print(dfoutput)

ADF_test(df)

Results of Dickey-Fuller Test:
Test Statistic                  -3.69171446
p-value                          0.00423122
Lags Used                       30.00000000
Number of Observations Used   3621.00000000
Critical Value (1%)             -3.43215722
Critical Value (5%)             -2.86233853
Critical Value (10%)            -2.56719507
dtype: float64

KPSS檢驗的結(jié)果(p值高于0.05)表明，在95%的置信水平下，不能拒絕的零假設(shè)。因此如果p值低于0.05，則時間序列不是平穩(wěn)的。

def?KPSS_test(timeseries):
????print("Results?of?KPSS?Test:")
????kpsstest?=?kpss(timeseries.dropna(),?regression="c",?nlags="auto")????
????kpss_output?=?pd.Series(
????????kpsstest[0:3],?index=["Test?Statistic",?"p-value",?"Lags?Used"]
????)
????for?key,?value?in?kpsstest[3].items():
????????kpss_output["Critical?Value?(%s)"?%?key]?=?value
????print(kpss_output)

KPSS_test(df)

Results of KPSS Test:
Test Statistic           1.04843270
p-value                  0.01000000
Lags Used               37.00000000
Critical Value (10%)     0.34700000
Critical Value (5%)      0.46300000
Critical Value (2.5%)    0.57400000
Critical Value (1%)      0.73900000
dtype: float64

雖然這些檢驗似乎是為了檢查數(shù)據(jù)的平穩(wěn)性，但這些檢驗對于分析時間序列的趨勢而不是季節(jié)性是有用的。

統(tǒng)計結(jié)果還顯示了時間序列的平穩(wěn)性的影響。雖然兩個檢驗的零假設(shè)是相反的。ADF檢驗表明時間序列是平穩(wěn)的(p值> 0.05)，而KPSS檢驗表明時間序列不是平穩(wěn)的(p值> 0.05)。但這個數(shù)據(jù)集創(chuàng)建時帶有輕微的趨勢，因此結(jié)果表明，KPSS測試對于分析這個數(shù)據(jù)集更準確。

為了減少數(shù)據(jù)集的趨勢，我們可以使用以下方法消除趨勢:

df_detrend?=?(df?-?df.rolling(window=365).mean())?/?df.rolling(window=365).std()

analyze_stationarity(df_detrend['temp'].dropna(),?'detrended?data')
ADF_test(df_detrend.dropna())

圖4 對時間序列去趨勢后的滾動均值和標準差

檢查季節(jié)性

正如在之前從滑動窗口中觀察到的，在我們的時間序列中有一個季節(jié)模式。因此應(yīng)該采用差分方法來去除時間序列中潛在的季節(jié)或周期模式。由于樣本數(shù)據(jù)集具有12個月的季節(jié)性，我使用了365個滯后差值:

df_365lag?=??df?-?df.shift(365)

analyze_stationarity(df_365lag['temp'].dropna(),?'12?lag?differenced?data')
ADF_test(df_365lag.dropna())

圖5 對時間序列進行差分后的滾動均值和標準差

現(xiàn)在，滑動均值和標準差隨著時間的推移或多或少保持不變，所以我們有一個平穩(wěn)的時間序列。

上面方法合在一起的代碼如下：

df_365lag_detrend?=??df_detrend?-?df_detrend.shift(365)

analyze_stationarity(df_365lag_detrend['temp'].dropna(),?'12?lag?differenced?de-trended?data')
ADF_test(df_365lag_detrend.dropna())

圖6 對時間序列進行去趨勢和差分后的滾動均值和標準差

分解模式

基于上述模式的分解可以通過' statmodels '包中的一個有用的Python函數(shù)seasonal_decomposition來實現(xiàn):

def?seasonal_decompose?(df):
????decomposition?=?sm.tsa.seasonal_decompose(df,?model='additive',?freq=365)
?
????trend?=?decomposition.trend
????seasonal?=?decomposition.seasonal
????residual?=?decomposition.resid
?
????fig?=?decomposition.plot()
????fig.set_size_inches(14,?7)
????plt.show()
?
????return?trend,?seasonal,?residual
?
seasonal_decompose(df)

圖7 時間序列分解

在看了分解圖的四個部分后，可以說，在我們的時間序列中有很強的年度季節(jié)性成分，以及隨時間推移的增加趨勢模式。

時序建模

時間序列數(shù)據(jù)的適當模型將取決于數(shù)據(jù)的特定特征，例如，數(shù)據(jù)集是否具有總體趨勢或季節(jié)性。請務(wù)必選擇最適數(shù)據(jù)的模型。

我們可以使用下面這些模型：

Autoregression (AR)

Moving Average (MA)

Autoregressive Moving Average (ARMA)

Autoregressive Integrated Moving Average (ARIMA)

Seasonal Autoregressive Integrated Moving-Average (SARIMA)

Seasonal Autoregressive Integrated Moving-Average with Exogenous Regressors (SARIMAX)

Vector Autoregression (VAR)

Vector Autoregression Moving-Average (VARMA)

Vector Autoregression Moving-Average with Exogenous Regressors (VARMAX)

Simple Exponential Smoothing (SES)

Holt Winter’s Exponential Smoothing (HWES)

由于我們的數(shù)據(jù)中存在季節(jié)性，因此選擇HWES，因為它適用于具有趨勢和/或季節(jié)成分的時間序列數(shù)據(jù)。

這種方法使用指數(shù)平滑來編碼大量的過去的值，并使用它們來預(yù)測現(xiàn)在和未來的“典型”值。指數(shù)平滑指的是使用指數(shù)加權(quán)移動平均(EWMA)“平滑”一個時間序列。

在實現(xiàn)它之前，讓我們創(chuàng)建訓(xùn)練和測試數(shù)據(jù)集:

y?=?df['temp'].astype(float)
y_to_train?=?y[:'2017-12-31']
y_to_val?=?y['2018-01-01':]
predict_date?=?len(y)?-?len(y[:'2017-12-31'])

下面是使用均方根誤差(RMSE)作為評估模型誤差的度量的實現(xiàn)。

def?holt_win_sea(y,?y_to_train,?y_to_test,?seasonal_period,?predict_date):
?   # 完整數(shù)據(jù)和代碼，在公眾號「機器學習研習院」后臺回復(fù)【墨爾本】獲取
????fit1?=?ExponentialSmoothing(y_to_train,?seasonal_periods=seasonal_period,?trend='add',?seasonal='add').fit(use_boxcox=True)
????fcast1?=?fit1.forecast(predict_date).rename('Additive')
????mse1?=?((fcast1?-?y_to_test.values)?**?2).mean()
????print('The?Root?Mean?Squared?Error?of?additive?trend,?additive?seasonal?of?'+?
??????????'period?season_length={}?and?a?Box-Cox?transformation?{}'.format(seasonal_period,round(np.sqrt(mse1),?2)))

????y.plot(marker='o',?color='black',?legend=True,?figsize=(10,?5))
????fit1.fittedvalues.plot(style='--',?color='red',?label='train')
????fcast1.plot(style='--',?color='green',?label='test')
????plt.ylabel('temp')
????plt.title('Additive?trend?and?seasonal')
????plt.legend()
????plt.show()
?
holt_win_sea(y,?y_to_train,?y_to_val,?365,?predict_date)

The?Root?Mean?Squared?Error?of?additive?trend,?additive?seasonal?of?period?season_length=365?and?a?Box-Cox?transformation?6.27

圖8 Holt-Winters指數(shù)平滑法的結(jié)果

從圖中我們可以觀察到模型是如何捕捉時間序列的季節(jié)性和趨勢的，在異常值的預(yù)測上則存在一些誤差。

總結(jié)

在本文中，我們通過一個基于溫度數(shù)據(jù)集的實際示例來介紹趨勢和季節(jié)性。除了檢查趨勢和季節(jié)性之外，我們還看到了如何降低它，以及如何創(chuàng)建一個基本模型，利用這些模式來推斷未來幾天的溫度。

了解主要的時間序列模式和學習如何實現(xiàn)時間序列預(yù)測模型是至關(guān)重要的，因為它們有許多應(yīng)用。

編輯：黃飛

?